在科幻电影中,经常看到自主机器人的身影。如今,人工智能(AI)不再是这些想象中的概念,而是逐渐融入日常生活的现实。智能应用结合了云计算、数据和预测或生成性AI,帮助自动化任务并做出数据驱动的决策,从而实现业务智能,获得有意义的实际成果。
对于开发者来说,AI领域并不是抽象的复杂性,而是一个将传统应用转变为“智能”应用,为用户提供更多价值的现实机会。借助Azure Kubernetes Service、Azure Cosmos DB和Azure AI Services等工具,进入智能应用的世界并不是一个陡峭的攀登,而是一个可管理的学习曲线上的稳步前进。
在开始构建之前,理解什么使一个应用“智能”至关重要。这并不是一个普遍的定义,而是用于标识属于以下三个主要类别之一或多个的应用的标识符:
基于结果的应用关注的是为用户提供的结果。它们的功能不仅仅是处理数据,而是提供有助于成功的有洞察力的结果。
想象一个个人健身追踪应用,它使用AI分析用户活动并提供实现目标的可操作建议。这种类型的应用不仅跟踪步数、睡眠模式和心率,还使用这些数据为提供个性化的健康建议。它帮助做出明智的生活方式选择——“智能”结果。
另一个例子是社交媒体营销应用,它使用AI进行节省时间的数据分析、任务自动化和趋势预测。基于AI的情感分析可以衡量客户感知,而自然语言处理(NLP)可以准确解释客户查询。任务自动化可以安排帖子并自动回复常见客户查询,趋势预测有助于建模和预测客户行为,以进一步个性化针对性的促销努力。在应用中构建这种智能,可以提供成本效益高、可操作的洞察,指导销售和营销策略。
顾名思义,基于功能的应用将AI集成到应用的功能中,但最终用户驱动行动和结果。在这类应用中,AI在用户交互中扮演更积极的角色,允许他们使用AI创建或处理的输出。这些应用利用AI技术,如Azure AI Services中的NLP、图像识别和模式识别,以改善用户体验。
考虑一个音乐应用,它根据收听习惯生成个性化播放列表,或者智能手机相机应用使用AI识别面部并优化照片设置。更高级的是语言翻译应用,它们可以将文本从一种语言翻译成另一种语言,甚至可以理解并保持对话的上下文和细微差别。它们使用NLP来完成这些壮举。
同样,考虑最新的电子商务应用,其AI驱动的功能使客户能够虚拟试穿衣服,显著增强了在线购物体验。
最后,还有基于特性的智能应用。这些应用集成了高级AI/ML组件,如神经网络、内部大型语言模型(LLMs)和复杂算法,作为用户的主要功能。在这类应用中,AI是用户参与的主要功能,也是应用的主要卖点。
基于特性的应用的一些例子是使用Azure Bot Service构建的聊天机器人和虚拟代理。这些机器人代表使用AI提供更自然、更人性化的对话,平衡了卓越的效率和更友好、更个性化的用户体验。
新Bing是一个典型的例子,它集成了AI,为用户提供了一个知识渊博的网络搜索副驾驶。同样,OpenAI的ChatGPT允许用户访问其作为Microsoft的Azure OpenAI Service提供的最新语言模型。它利用高度复杂的GPT-3 LLM执行起草电子邮件、编写代码、回答一般知识问题、翻译语言和在多个主题上辅导等任务。
这些应用不仅仅使用AI来提供输出或改善用户体验:它们通过集成AI/ML组件,推动了应用开发的可能性边界。
智能应用反映了传统软件设计与AI动态能力的融合。让探索AI如何集成并放大这些应用。
在核心层面上,AI增强了应用程序的自学习和自改进能力。它允许创建能够预测、反应和适应不断变化环境的应用程序。在大城市的电网管理系统中,一个注入AI的应用程序可以预测电力使用趋势,对异常做出反应,并适应突然的需求激增,确保最佳效率并防止停电。
但AI的作用并不仅限于预测或决策:它还自动化任务。在企业解决方案中,它已经超越了简单的自动化,涵盖了智能流程自动化(IPA)。在这个领域,AI算法理解、学习,然后自动化整个数字工作流程。对于开发者来说,这是创造能够显著提高企业运营效率的应用程序的肥沃土壤。
此外,AI在开发任务中也提供了大量帮助。例如,GitHub Copilot是一个AI驱动的代码助手,它不仅基于语法提供建议,还基于开发最佳实践和代码的意图。AI已经从一个构建应用程序的工具发展成为一个帮助创建它们的伙伴。
使用AI构建智能应用并不是要抛弃以前有效的东西。而是要增强那些影响最大并取得最佳结果的组件。在应用中集成AI可以提升它们的预测能力,简化复杂任务,甚至帮助开发和创建过程。当构建智能应用时,不仅仅解决当前问题。预见未来的挑战,并制定随时间适应的解决方案。