Che cos'è Ricerca intelligenza artificiale di Azure?

Ricerca di intelligenza artificiale di Azure (in precedenza nota come "Ricerca cognitiva di Azure") offre un recupero sicuro delle informazioni su larga scala rispetto ai contenuti di proprietà dell'utente nelle applicazioni di ricerca di intelligenza artificiale tradizionali e generative.

Il recupero delle informazioni è fondamentale per qualsiasi app che espone testo e vettori. Gli scenari comuni includono la ricerca di cataloghi o documenti, l'esplorazione dei dati e le app in stile chat su dati proprietari. Quando si crea un servizio di ricerca, si lavora con le funzionalità seguenti:

A livello di architettura, un servizio di ricerca si trova tra gli archivi dati esterni che contengono i dati non indicizzati e l'app client che invia richieste di query a un indice di ricerca e gestisce la risposta.

Azure AI Search architecture

Nell'app client l'esperienza di ricerca viene definita usando le API di Ricerca di intelligenza artificiale di Azure e può includere l'ottimizzazione della pertinenza, la classificazione semantica, il completamento automatico, la corrispondenza dei sinonimi, la corrispondenza fuzzy, la corrispondenza dei criteri, il filtro e l'ordinamento.

Nella piattaforma Azure, Ricerca intelligenza artificiale di Azure può integrarsi con altri servizi di Azure sotto forma di indicizzatori che automatizzano l'inserimento/il recupero dei dati dalle origini dati di Azure e i set di competenze che incorporano l'intelligenza artificiale utilizzabile dai servizi di intelligenza artificiale di Azure, ad esempio l'elaborazione di immagini e linguaggio naturale, o l'intelligenza artificiale personalizzata creata in Azure Machine Learning o esegue il wrapping all'interno di Funzioni di Azure.

All'interno di un servizio di ricerca

Nel servizio di ricerca stesso i due carichi di lavoro principali sono indicizzazione ed esecuzione di query.

  • L'indicizzazione è un processo di inserimento che carica il contenuto nel servizio di ricerca e lo rende ricercabile. Internamente, il testo in ingresso viene elaborato in token e archiviato in indici invertiti e i vettori in ingresso vengono archiviati negli indici vettoriali. Il formato del documento che Ricerca intelligenza artificiale di Azure può indicizzare è JSON. È possibile caricare documenti JSON assemblati o usare un indicizzatore per recuperare e serializzare i dati in JSON.

    L'arricchimento tramite intelligenza artificiale tramite competenze cognitive è un'estensione dell'indicizzazione. Se nel documento di origine sono presenti immagini o testo non strutturato di grandi dimensioni, è possibile allegare competenze che eseguono OCR, descrivere immagini, dedurre struttura, tradurre testo e altro ancora. È anche possibile associare competenze che eseguono la suddivisione in blocchi dei dati e la vettorializzazione.

  • L'esecuzione di query può verificarsi quando un indice viene popolato con contenuto ricercabile, quando l'app client invia richieste di query a un servizio di ricerca e gestisce le risposte. Tutte le esecuzioni di query vengono eseguite su un indice di ricerca controllato dall'utente.

    La classificazione semantica è un'estensione dell'esecuzione di query. Aggiunge la comprensione del linguaggio all'elaborazione dei risultati della ricerca, promuovendo i risultati più pertinenti semanticamente all'inizio.

Ricerca di intelligenza artificiale di Azure è ideale per gli scenari di applicazione seguenti:

  • Usarlo per la ricerca full-text tradizionale e la ricerca di somiglianza vettoriale di nuova generazione. Ripristinare le app di intelligenza artificiale generative con il recupero di informazioni che sfrutta la forza della ricerca di parole chiave e somiglianza. Usare entrambe le modalità per recuperare i risultati più rilevanti.

  • Consolidare contenuto eterogeneo in un indice di ricerca definito dall'utente e popolato composto da vettori e testo. Si è proprietari e si controlla ciò che è ricercabile.

  • Integrare la suddivisione in blocchi dei dati e la vettorializzazione per le app di intelligenza artificiale e rag generative.

  • Applicare un controllo di accesso granulare a livello di documento.

  • Eseguire l'offload di carichi di lavoro di indicizzazione e query in un servizio di ricerca dedicato.

  • Implementare facilmente le funzionalità correlate alla ricerca: ottimizzazione della pertinenza, spostamento in base a facet, filtri (inclusa la ricerca geografica nello spazio), mapping dei sinonimi e completamento automatico.

  • Trasformare file di testo o immagine non di grandi dimensioni o file dell'applicazione archiviati in Archiviazione BLOB di Azure o Azure Cosmos DB in blocchi ricercabili. Questo risultato viene ottenuto durante l'indicizzazione tramite competenze cognitive che aggiungono l'elaborazione esterna dall'intelligenza artificiale di Azure.

  • Aggiungere l'analisi linguistica o personalizzata del testo. Se si dispone di contenuti non in lingua inglese, Ricerca di intelligenza artificiale di Azure supporta sia analizzatori Lucene che processori di linguaggio naturale di Microsoft. È anche possibile configurare gli analizzatori per ottenere un'elaborazione specializzata di contenuto non elaborato, ad esempio l'esclusione tramite filtro dei segni diacritici o il riconoscimento e la conservazione dei criteri nelle stringhe.

Per altre informazioni sulle funzionalità specifiche, vedere Funzionalità di Ricerca di intelligenza artificiale di Azure

Come iniziare

Le funzionalità vengono esposte tramite le portale di Azure, le API REST semplici o gli SDK di Azure, ad esempio Azure SDK per .NET. Il portale di Azure supporta l'amministrazione del servizio e la gestione dei contenuti, con strumenti per la creazione di prototipi e l'esecuzione di query sugli indici e sui set di competenze.

Un'esplorazione end-to-end delle funzionalità di ricerca di base può essere eseguita in quattro passaggi:

  1. Scegliere un livello e un'area. Un servizio di ricerca gratuito è consentito per ogni sottoscrizione. Tutti gli argomenti di avvio rapido possono essere completati nel livello gratuito. Per una maggiore capacità e funzionalità, è necessario un livello fatturabile.

  2. Creare un servizio di ricerca nel portale di Azure.

  3. Iniziare con l'Importazione guidata dati. Scegliere un esempio predefinito o un'origine dati supportata per creare, caricare ed eseguire query su un indice in pochi minuti.

  4. Completare esplora ricerche usando un client del portale per eseguire una query sull'indice di ricerca appena creato.

In alternativa, è possibile creare, caricare ed eseguire query su un indice di ricerca nei passaggi atomici:

  1. Creare un indice di ricerca usando il portale, l'API REST, .NET SDK o un altro SDK. Lo schema di indice definisce la struttura del contenuto ricercabile.

  2. Caricare contenuto usando il modello "push" per eseguire il push di documenti JSON da qualsiasi origine o usare il modello "pull" (indicizzatori) se i dati di origine sono di un tipo supportato.

  3. Eseguire query su un indice usando Esplora ricerche nel portale, l'API REST, .NET SDK o un altro SDK.

Suggerimento

Per assistenza con soluzioni complesse o personalizzate, contattare un partner con una profonda esperienza nella tecnologia ricerca di intelligenza artificiale di Azure.

Confrontare le opzioni di ricerca

I clienti spesso chiedono in che modo Ricerca intelligenza artificiale di Azure confronta con altre soluzioni correlate alla ricerca. Nella tabella seguente sono riepilogate le principali differenze.

Confronto con Differenze principali
Microsoft Search Microsoft Search è destinato agli utenti autenticati di Microsoft 365 che devono eseguire query sui contenuti in SharePoint. Ricerca di intelligenza artificiale di Azure esegue il pull del contenuto in Azure e in qualsiasi set di dati JSON.
Bing Le API Bing eseguono query sugli indici su Bing.com per trovare termini corrispondenti. Ricerca di intelligenza artificiale di Azure esegue ricerche sugli indici popolati con il contenuto. È possibile controllare l'inserimento dei dati e lo schema.
Ricerca nel database SQL Server include ricerche full-text e Azure Cosmos DB e tecnologie simili hanno indici queryable. Ricerca di intelligenza artificiale di Azure diventa un'alternativa interessante quando sono necessarie funzionalità come analizzatori lessicali e ottimizzazione della pertinenza o contenuto da origini eterogenee. L'uso delle risorse è un altro punto da considerare. L'indicizzazione e le query sono a elevato utilizzo di calcolo. L'offload della ricerca da DBMS mantiene le risorse di sistema per l'elaborazione delle transazioni.
Soluzione di ricerca dedicata Supponendo di aver deciso di eseguire ricerche dedicate con funzionalità di spettro completo, un confronto categorico finale è tra le tecnologie di ricerca. Tra i provider di servizi cloud, Ricerca di intelligenza artificiale di Azure è il più sicuro per carichi di lavoro vettoriali, parole chiave e ibridi sui contenuti in Azure, per le app che si basano principalmente sulla ricerca sia per il recupero delle informazioni che per lo spostamento del contenuto.

Ecco i principali vantaggi:

  • Archiviare, indicizzare e incorporare vettori di ricerca per frasi, immagini, grafici e altro ancora.
  • Trovare informazioni semanticamente simili alle query di ricerca, anche se i termini di ricerca non corrispondono esattamente.
  • Usare la ricerca ibrida per ottenere la migliore ricerca di parole chiave e vettore.
  • Ottimizzazione della pertinenza tramite profili di classificazione semantica e punteggio.
  • Integrazione dei dati (crawler) a livello di indicizzazione.
  • Integrazione dell'intelligenza artificiale di Azure per trasformazioni che rendono il testo del contenuto e ricerca vettoriale.
  • Sicurezza di Microsoft Entra per connessioni attendibili e collegamento privato di Azure per le connessioni private in scenari senza Internet.
  • Esperienza di ricerca completa: analisi linguistica e personalizzata del testo in 56 lingue. Faceting, completamento automatico di query e risultati suggeriti e sinonimi.
  • Scalabilità, affidabilità e copertura globale di Azure.