Copilot 用語集
copilot – Copilots は、クリエイティブなタスクの支援、分析情報の生成、自動化されたワークフローの実行などを行うことができる自然言語アシスタントです。 Copilots は、1 つ以上の基盤モデルと、copilot の操作を監視および同期するオーケストレーターを利用して、ワークフロー、アクション、知識、トリガーで構成されます。 Copilots は、アプリ、Web サービスのジェネレーティブ AI 機能に電力を供給でき、Microsoft Copilot を拡張およびカスタマイズするための copilot 拡張機能として公開できます。
カスタム copilot - Microsoft Copilot のカスタム バージョンであり、指示、追加および/またはカスタムの知識、スキルの任意の組み合わせを組み合わせたものになります。
Azure OpenAI Service – 開発者が、エンド ユーザーが Microsoft に期待する保証を使用して、OpenAI の LLM を最大限に照会できるようにする API サービスです。
Azure AI Studio - 柔軟で統合されたビジュアルとコードファーストのツールと事前構築済みのクイック スタート テンプレートを使用して、生成型 AI アプリケーションとモデルを完全にカスタマイズおよび制御できるプロコード開発プラットフォームです。
Microsoft Copilot – ユーザーのニーズと好みに基づいて AI 機能にアクセスできる、アクセシビリティが高くまとまった AI インターフェイス。また、Microsoft 製品と統合して価値を最大化します。 Microsoft Copilot は、日常のAI アシスタントです。
Microsoft Copilot Studio – ユーザーが任意の M365 または Power Platform 製品に人工知能を簡単に統合できる低/なしコード ツールで、フォーム処理、物体検出、予測などのタスク用の事前構築済みのカスタム AI モデルとシステムを提供します。
Copilot 拡張機能 – Copilot 拡張機能は、カスタム の copilot を使用して Microsoft Copilot をカスタマイズおよび強化し、Copilot 内で接地するための新しいアクションとカスタマイズされた知識を可能にします。 Copilot 拡張機能を使用すると、ユーザーは、毎日使用するデータ、システム、ワークフローに合わせて調整された Microsoft Copilot エクスペリエンスを得ることができます。 プラグイン – copilot 拡張機能の一種です。 Microsoft は、プラグインを 1 回記述し、任意の copilot サーフェス上の任意の場所で実行する機能のロックを解除する新しいプラグイン マニフェストを定義しました。 プラグインは、他の copilot 拡張機能で構成できるアトミックで機能的な機能拡張成果物と見なす必要があります。
Microsoft Copilot コネクタ - Microsoft Copilot Studioを介してコード エクスペリエンスを低くし、コード エクスペリエンスを提供しない Copilot 拡張機能の一種です。 Copilot コネクタは、Microsoft Graph コネクタ、Power Platform コネクタ、および Microsoft Fabric から機能とデータをバンドルします。
Microsoft Graph コネクタ - 開発者がカスタム構築したコネクタ、または LoB、オンプレミス、SaaS サービスのデータを Microsoft Graph にインデックス付けする IT 管理者が有効にした事前構築済みのコネクタのいずれかです。これにより、Microsoft Copilot、Search、ContextIQ などのインテリジェント なサービスの機能を M365 データとコンテンツと共に強化および強化できます。
Power Platform コネクタ - Microsoft Power Platform が外部データ ソースやサービスと対話できるようにするコネクタ。
Teams メッセージ拡張機能 - ユーザーがアダプティブ カードと呼ばれる単純な UX 要素を使用して Web サービス/外部システムでアクションを検索または開始できるようにする Microsoft Teams の機能です。 これらはすべてプラグインとして使用できるようになりました。
プロンプト – 出力を生成する生成 AI モデルへの入力 (多くの場合、"回答" または "完了" と呼ばれます)。 通常、テキストですが、マルチモーダル モデルでは、テキスト、画像、オーディオ、またはこれらの組み合わせをプロンプトとして使用できます。
責任ある AI (RAI) - ガバナンス、内部ポリシー、有効化、外部エンゲージメント、および思考リーダーシップを通じて、社会全体の利益のために AI の安全で安全な使用を進めるために Microsoft が定義しようとしている一連の規範と標準です。
基盤モデル - 広範なデータに対してトレーニングされた AI モデルで、言語処理、視覚理解、テキスト生成、コード記述などのタスクをサポートするために、幅広いユース ケースに適用できます。 LLM、SLM も参照してください。
生成型 AI – プロセ、詩、音楽、画像など、入力プロンプトによって提案される自然言語/より人間のようなコンテンツを作成する能力を特徴とする AI の一種です。 GPT – OpenAI によって作成され、OpenAI と Azure によってホストされる基盤モデルのクラス (生成的な事前トレーニング済みトランス)。 このクラスの最近のモデルは "GPT-4 Turbo" です。
接地 – AI システムの抽象知識を特定の現実世界のコンテンツにリンクするプロセスです。 これは、AIエージェントの理解と現実世界のデータとの相互作用の精度を高めます。
LLM (大きな言語モデル) - 自然言語クエリ (通常はチャットボットを介して) に対する人間のような応答を生成するために、大量のデータでトレーニングされた生成型 AI モデル。 「基盤モデル」も参照してください。
LLMOps - 理念から運用化まで、LLM を利用したアプリケーションのエンドツーエンド開発のための合理化されたフロー。
ローコード – 通常、グラフィカル/ビジュアル インターフェイスと最小限のコーディングを含み、迅速でアクセス可能なアプリケーション開発を可能にします。 プロコード ツールとは異なり、基になるすべての概念とテクノロジがユーザー エクスペリエンスから抽象化されているわけではありません。
MLOps – 機械学習アプリケーションのエンド ツー エンド開発のための合理化されたフロー。イデーションから運用化まで。 MLOps は、対象ユーザー、焦点、特に自然言語処理の要件と資産によって発生する課題において LLMOps と区別されます。 Pro-Code – モデルとアプリケーションのパフォーマンスを深くカスタマイズして制御する機能が含まれています。 これには、コード優先インターフェイスに加えて、GUI ベースの構成と管理機能が含まれる場合があり、基になる概念とテクノロジの深いレベルの理解が必要です。 RAG – (取得拡張生成) は、AI モデルがナレッジ ソースから関連情報を取得し、生成されたテキストに組み込むことを可能にするプロセスです。 これは、モデルによって生成される応答の品質を向上させる人工知能フレームワークで、モデルを外部の知識ソースに基づいて情報の内部表現を補完します。