Che cos'è Azure AI Search?

Ricerca di intelligenza artificiale di Azure è un'infrastruttura di ricerca scalabile che indicizza contenuti eterogenei e consente il recupero tramite API, applicazioni e agenti di intelligenza artificiale. La piattaforma offre integrazioni native con lo stack di intelligenza artificiale di Azure (OpenAI, Microsoft Foundry, Machine Learning) e supporta architetture estendibili per l'integrazione di modelli open source e di terze parti.

Il servizio gestisce sia i carichi di lavoro di ricerca tradizionali che i modelli DI RAG moderni (generazione aumentata di recupero) per le applicazioni di intelligenza artificiale conversazionale. In questo modo è adatto per gli scenari di ricerca aziendali, nonché per le esperienze dei clienti basate sull'intelligenza artificiale che richiedono la generazione dinamica di contenuti tramite modelli di completamento della chat.

Quando si crea un servizio di ricerca, si usano con le funzionalità seguenti:

• Motore di ricerca per la ricerca per agenti, la ricerca vettoriale, la ricerca full-text, la ricerca multimodale o la ricerca ibrida.
• Elaborazione del contenuto durante l'indicizzazione che può aggiungere strutture e trasformazioni.
• Sintassi estesa delle query per agenti, vettori, testo, query ibride e multimodali.
• Risultati intelligenti tramite classificazione semantica, profili di punteggio e query con parametri.
• Scalabilità, sicurezza e copertura di Azure.
• Integrazione di Azure a livello di dati, livello di Machine Learning, Strumenti Foundry e Azure OpenAI.

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

Sul lato dell'indicizzazione, se il contenuto si trova in Azure, è possibile usare indicizzatori e set di competenze per l'indicizzazione automatizzata e arricchita con intelligenza artificiale. In alternativa, crea un workflow di app logica per un'automazione equivalente su un set ancora più ampio di origini dati supportate.

Sul lato di recupero, l'app può essere un agente o uno strumento, un bot o qualsiasi client che invia richieste a un indice di ricerca o a una knowledge base.

In Ricerca di intelligenza artificiale di Azure, l'indicizzazione e il motore di query sono gli stessi componenti che operano in modalità di lettura/scrittura e di sola lettura, ma la suddivisione in questo diagramma indica il tipo di lavoro da eseguire.

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 acquisizione che carica il contenuto nel servizio di ricerca e lo rende ricercabile. Internamente, il testo in ingresso viene elaborato in token e archiviati in indici invertiti mentre i vettori in ingresso vengono archiviati negli indici vettoriali. Il formato del documento che Azure AI Search è in grado di indicizzare è JSON. È possibile caricare documenti JSON o usare un indicizzatore o un flusso di lavoro dell'app per la logica per recuperare e serializzare i dati in JSON.

  L'arricchimento tramite intelligenza artificiale è tramite un set di competenze che estende l'indicizzazione con modelli di immagine e linguaggio. Se nel documento di origine sono presenti immagini o testo non strutturato di grandi dimensioni, è possibile allegare competenze che blocchino e vettorizzano il contenuto. Se si dispone di contenuto di immagini, è possibile usare IMS per riepilogare il contenuto, generare descrizioni o eseguire l'analisi di immagini e OCR. Le competenze possono anche dedurre struttura, tradurre testo e altro ancora. L'output è testo o vettori che possono essere serializzati in JSON e inseriti in un indice di ricerca.

• L’esecuzione di query si verifica quando un indice è stato popolato con contenuto ricercabile, ovvero quando l’app client invia richieste e un servizio di ricerca e gestisce le risposte. Tutte le esecuzioni di query vengono eseguite su un indice di ricerca controllato dall'utente. Nel codice configurare un client di ricerca per gestire le richieste di query per query agentiche, query vettoriali, ricerca di testo, query ibride, ricerca fuzzy, completamento automatico, ricerca geografica e altri.

Perché usare Azure AI Search?

Azure AI Search trasferisce i carichi di lavoro di indicizzazione e query su un servizio di ricerca dedicato. È particolarmente adatto per gli scenari di applicazione seguenti:

• Usarlo per supportare agenti e bot con dati di base basati sul contenuto.

• Usarlo per la ricerca full-text tradizionale e la ricerca di somiglianza vettoriale di nuova generazione. Abbinare alle app di intelligenza artificiale generativa il servizio di recupero di informazioni che sfrutta i punti di forza della ricerca di parole chiave e delle somiglianze. 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. Vengono mantenuti la proprietà e il controllo su ciò che è ricercabile.

• Trasformare file di testo o immagini indifferenziati di grandi dimensioni o file di applicazione, archiviati in Archiviazione BLOB di Azure o In Azure Cosmos DB, in blocchi ricercabili. Questo risultato viene ottenuto durante l'indicizzazione tramite competenze AI che aggiungono l'elaborazione esterna da Azure per intelligenza artificiale.

• Integrare la suddivisione in blocchi dei dati e la vettorizzazione per le app di intelligenza artificiale generativa e RAG.

• Aggiungere l'analisi linguistica o personalizzata del testo per la ricerca di parole chiave. Per il contenuto non in lingua inglese, Azure AI Search supporta sia gli analizzatori Lucene che i 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.

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

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

Per altre informazioni sulle funzionalità specifiche, vedere Funzionalità di Azure AI Search

Attività iniziali

La funzionalità viene esposta tramite il portale di Azure, semplici API REST 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 per l'esecuzione di query su indici e set di competenze.

Usare il portale di Azure

Per un'esplorazione end-to-end delle principali funzionalità di ricerca, seguire questi quattro passaggi:

1. Scegliere un livello e un'area. È consentito un servizio di ricerca gratuito per ogni sottoscrizione. La maggior parte degli argomenti di avvio rapido può essere completata 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 dei dati. Scegliere un esempio predefinito o un'origine dati supportata per creare, caricare ed eseguire query su un indice in pochi minuti.

4. Terminare con Esplora ricerche usando un client del portale per eseguire query sull'indice di ricerca appena creato.

Vedere gli esempi

Microsoft gestisce un inventario degli esempi che usano le API REST e i linguaggi di programmazione di Azure SDK supportati da Ricerca di intelligenza artificiale di Azure:

• Esempi REST
• Esempi per Python
• Esempi per C#
• Esempi di Java
• Esempi di JavaScript/TypeScript
• Esempi vettoriali

Usare le API

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 di Azure, l'APIREST, .NET SDK o un altro SDK. Lo schema di indice definisce la struttura del contenuto ricercabile.

2. Caricare il 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 di Azure, nell'API REST, in .NET SDK o in un altro SDK.

Usare gli acceleratori

In alternativa, provare gli acceleratori di soluzioni:

• La chat con l'acceleratore di soluzioni dati consente di creare una soluzione RAG personalizzata sui contenuti.

• L'acceleratore di soluzioni Conversational Knowledge Mining aiuta a creare una soluzione interattiva per estrarre informazioni utili dalle trascrizioni post-contact center.

• L'acceleratore di Knowledge Mining dei documenti consente di elaborare ed estrarre riepiloghi, entità e metadati da documenti non strutturati e non strutturati.

• Creare un acceleratore di soluzioni copilota personalizzato, sfrutta Azure OpenAI, Ricerca intelligenza artificiale di Azure e Microsoft Fabric per creare soluzioni copilote personalizzate.