Microsoft atualiza plataforma Azure AI com soluções personalizadas

A Microsoft anunciou um conjunto de atualizações na plataforma Azure AI que visam ajudar programadores a desenvolver soluções de Inteligência Artificial (IA) com mais opções de escolha e maior flexibilidade, através de um conjunto de ferramentas disponibilizadas pela Azure AI.

Dentro das novidades destacam-se o ajuste fino sem servidor para modelos Phi-3-mini e Phi-3-medium, que vai permitir aos programadores personalizar rapidamente estes modelos para cenários de cloud e edge, sem necessidade de recursos de computação; as atualizações ao Phi-3-mini, que incluem melhorias significativas na qualidade do núcleo, capacidade de seguir instruções e no output, permitindo programar com um modelo mais eficiente e sem custos adicionais; bem como a disponibilização imediata dos modelos mais recentes da OpenAI (GPT-4o mini), Meta (Llama 3.1 405B) e Mistral (Large 2), proporcionando maior escolha e flexibilidade.

Em abril, a Microsoft introduziu a família de modelos Phi-3, pequenos modelos de linguagem (SLM) mais capazes e económicos, que superam modelos de tamanho similar e até superior. A partir de agora, os programadores podem ajustar os modelos Phi-3-mini e Phi-3-medium com os seus dados para construir experiências de IA mais relevantes, seguras e económicas para os seus utilizadores, e que objetivem atender às necessidades específicas das empresas e melhorar a qualidade de respostas.

Dada a sua pequena pegada computacional e compatibilidade com cloud e edge, os modelos Phi-3 são adequados para melhorar o desempenho do modelo base em vários cenários, incluindo aprender uma nova habilidade ou tarefa (por exemplo, tutoria) ou melhorar a consistência e qualidade da resposta (por exemplo, tom ou estilo dos outputs em chat/Q&A). E já há exemplos de adaptações do Phi-3 para novos casos de utilização, como é o caso da Microsoft e da Khan Academy, que estão a trabalhar juntas na utilização do Azure OpenAI Service para potenciar o Khanmigo for Teachers, um assistente de ensino baseado em IA, com o objetivo de melhorar o ensino de Matemática. Dados recentes referentes ao projeto mostram que, quando um aluno comete um erro matemático, o Phi-3 conseguiu superar a maioria dos outros modelos de IA generativa líderes na correção e identificação de erros dos alunos.

Para além disto, o Phi-3 também foi aperfeiçoado para dispositivos. Em junho, foi introduzido o Phi Silica, que visa capacitar os programadores com um modelo poderoso e fiável para construir aplicações com experiências de IA seguras e protegidas. O Phi Silica baseia-se na família de modelos Phi e foi projetado especificamente para as Unidades de Processamento Neural (NPUs) em Copilot+ PCs. O Microsoft Windows é a primeira plataforma a ter um SLM de última geração personalizado para NPU e caixa de correio.

Outra das novidades está no facto do Models-as-a-Service (endpoint sem servidor) passar a estar também disponível na Azure AI. Adicionalmente, o Phi-3-small está acessível via endpoint sem servidor, permitindo aos programadores iniciar o desenvolvimento de IA sem necessidade de gerir a infraestrutura subjacente. O Phi-3-vision (o modelo multimodal da família Phi-3) foi anunciado no evento anual Microsoft Build e está acessível através do catálogo de modelos da Azure AI. Em breve também poderá ser encontrado via um endpoint sem servidor.

Construir soluções de IA de forma responsável está no mindset da Microsoft, que tem um conjunto robusto de funcionalidades para ajudar as organizações a medir, mitigar e gerir os riscos da IA ao longo do ciclo de vida de desenvolvimento de IA para aplicações tradicionais de machine learning e de IA generativa. As avaliações da Azure AI permitem aos programadores avaliar a qualidade e segurança dos modelos e aplicações usando métricas incorporadas e personalizadas que preparem para as mitigações necessárias. As funcionalidades adicionais de Segurança de Conteúdo da Azure IA - incluindo escudos de prompt e deteção de material protegido - estão agora “ativadas por predefinição” no Serviço Azure OpenAI. Estas funcionalidades podem ser aproveitadas como filtros de conteúdo com qualquer modelo base incluído no catálogo de modelos, incluindo o Phi-3, Llama e Mistral. Os programadores também podem integrar facilmente estas funcionalidades na aplicação através de uma única API. Uma vez em produção, podem monitorizar a sua aplicação em termos de qualidade e segurança, ataques de prompt e integridade dos dados, fazendo intervenções oportunas contando com a ajuda de alertas em tempo real.

A Azure AI utiliza o HiddenLayer Model Scanner para analisar modelos abertos e de terceiros em busca de ameaças emergentes, como vulnerabilidades de cibersegurança, malware e outros sinais de adulteração, antes de os integrar no catálogo da Azure AI. As verificações resultantes do Model Scanner, fornecidas em cada cartão de modelo, podem dar maior confiança às equipas de programação à medida que selecionam, aperfeiçoam e implementam modelos abertos para a sua aplicação.