Daten sind das Herzstück jedes Unternehmens. Sie enthalten wertvolle Informationen über Kunden, Produkte, Prozesse und Märkte. Doch wie können Sie sicherstellen, dass Ihre Daten sicher, konform und effektiv genutzt werden? Wie können Sie den Überblick über Ihre Datenlandschaft behalten und die richtigen Richtlinien und Kontrollen implementieren?
(mehr …)
So habe ich den Blogbeitrag zu Microsoft Teams Preview mit ChatGPT erstellt. Hier können Sie den erstellten Artikel nachlesen:
Microsoft Teams Preview
In den letzten Wochen hatte ich die Gelegenheit, die neue Microsoft Teams Preview ausgiebig zu testen und mir Notizen über die positiven und negativen Aspekte zu machen. Zudem habe ich von meinen Kollegen Feedback über Funktionen erhalten, die sie besonders ansprechen oder schmerzlich vermissen.
Um noch mehr über die neuen Funktionen von Teams Pre zu erfahren und meine Erkenntnisse zu vertiefen, habe ich im Internet recherchiert. Ich wollte meine Erfahrungen und Eindrücke gerne in einem Blogbeitrag festhalten und beschloss, ChatGPT um Hilfe zu bitten.
Allerdings war mir von Anfang an klar, dass es ChatGPT nicht möglich sein würde, vollständige Blogbeiträge zu schreiben.
Dennoch wollte ich die KI nutzen, um Tipps und Anregungen für meine Arbeit zu erhalten. Also begann ich, die KI nach und nach mit meinen Erkenntnissen zu Microsoft Teams Preview zu füttern.
Zu meiner Überraschung begann ChatGPT schon nach der ersten Eingabe damit, eine Struktur für den Blogbeitrag zu erstellen.
Ich konnte dann nach und nach weitere Informationen hinzufügen und ChatGPT darum bitten, einige Punkte auszuarbeiten. Der generierte Text musste im Anschluss noch inhaltlich korrigiert und minimal angepasst werden, aber er lieferte mir eine solide Basis, auf der ich aufbauen konnte.
Dank ChatGPT konnte ich schnell und unkompliziert zu einem Basistext kommen. Es hat mir viel Zeit und Arbeit erspart und war eine wertvolle Unterstützung bei der Erstellung meines Blogbeitrags.
Das Microsoft Bot Framework mitsamt dem Bot Builder SDK, das für C# und Node.js verfügbar ist, bietet das Rüstzeug zum Senden und Empfangen von Nachrichten sowie eine Anbindung an verschiedene Chat Kanäle wie Facebook oder Skype. Weiters erleichtert es durch die Bereitstellung bereits vorgefertigter Hilfsklassen die Verwendung der Microsoft Cognitive Services.
Eine Übersicht über das Microsoft Bot Framework und dessen Schnittstellen ist in Abbildung 1 zu sehen.
Bei den Microsoft Cognitive Services sind vor allem der QnA Maker sowie die Language Understanding Intelligent Services (LUIS) für die Bot-Kommunikation sehr hilfreich.
Für die Erstellung eines neuen QnA Maker Services gibt es verschiedene Möglichkeiten. Die Knowledge Base kann erzeugt werden durch:
Mit der Knowledge-Base als Startpunkt können dann bei Bedarf Verbesserungen vorgenommen werden. Gibt ein Benutzer beispielsweise eine Frage ein, die nicht hinterlegt ist, werden die wahrscheinlichsten Alternativen zur Auswahl zurückgegeben. Wird eine dieser Alternativen vom Benutzer ausgewählt, erhält das System ein Feedback, welches zur Verbesserung beitragen kann. Ein Beispiel für diese Vorschläge ist in Abbildung 2 dargestellt.
Eine weitere Möglichkeit zur Verbesserung ist es, den Bot zu trainieren. Hierbei kann man die besten Antworten auswählen und auch alternative Phrasen zu einer bestimmten Frage hinzufügen. Ein Beispiel hierfür ist in Abbildung 3 dargestellt.
Weiters können alle bestehenden Konversationen abgefragt und die Fragen sortiert nach Häufigkeit trainiert werden.
Dieser Service analysiert die Bedeutung (Intent) und die dazugehörigen Objekte (Entities) von verschiedenen Aussagen. Abbildung 4 zeigt ein Beispiel, das die Bedeutung der Fragen (Intent) zu einer gewissen Person (Entity) behandelt.
Abbildung 5 zeigt, wie mit Hilfe des LUIS Service Portals Intents erzeugt werden können.
Mit Hilfe dieser Trainingsdaten wird im nächsten Schritt eine bestimmte Wahrscheinlichkeit zugewiesen (siehe Labeled Intent in Abbildung 6).
Das dabei erstellte Model kann danach für neue (auch unbekannte) Nachrichten die Wahrscheinlichkeiten berechnen.
Ist das Model fertig kann LUIS nun in der Bot-Implementierung verwendet werden. Als Einstiegspunkt bei jedem Bot dient der Messages Controller. Dieser ist in Abbildung 7 ersichtlich. Der Message Controller bekommt ein Activity Objekt übergeben. Ist das Activity Objekt vom Typ Message dann wird der LuisDialog aufgerufen. Andere Typen sind beispielsweise das Hinzufügen eines Chatteilnehmers oder das Beenden einer Konversation, auf welche wir hier nicht weiter eingehen.
Die Nachricht wird dann über die REST Schnittstelle analysiert und je nachdem, welcher Intent am wahrscheinlichsten ist, wird der dazugehörige Task ausgeführt und eine entsprechende Rückmeldung an den Benutzer gesendet (siehe Abbildung 8).
Auch bei LUIS kann das Model stetig verbessert werden, indem bisherige Zuweisungen bei Bedarf korrigiert werden.
Microsoft AI ist eine Sammlung von Services, Bibliotheken & Tools spezialisiert auf den Bereich der künstlichen Intelligenz. Die Plattform beinhaltet einfach zu verwendende, bereits vollständig konfigurierte Services sowie Tools mit denen komplexe, applikationsspezifische Modelle realisiert werden können. Microsoft AI kann in drei große Gruppen unterteilt werden:
In dieser Gruppe befinden sich vor allem Services, die die Mensch-Maschine-Kommunikation in verschiedenster Weise ermöglichen. Die Cognitive Services sind einfach zu verwenden und werden über REST Schnittstellen zur Verfügung gestellt. Die Integration kann meist mit sehr wenigen Codezeilen realisiert werden. Außerdem werden auch einige konfigurierbare Services angeboten. Ein Überblick über die verfügbaren Module ist in Abbildung „Verfügbare Module im Überblick“ zu sehen.
Eine Unterkategorie von AI ist das sogenannte Machine Learning. Die Azure Machine Learning Workbench bietet eine umfangreiche Umgebung mit einer Vielzahl an Tools zur Anwendung von gängigen Machine Learning Algorithmen. Außerdem verfügt das Programm über viele unterstützende Funktionen zur Vorbereitung der Daten sowie zum Veröffentlichen der erzeugten Modelle. Die Workbench kann auf dem lokalen Computer installiert werden und muss mit einer Azure Ressource verknüpft sein (siehe Abbildung „Azure Machine Learning“).
Deep Learning wird mit Hilfe des Cognitive Toolkits ermöglicht. Verschiedene Arten von Neuronalen Netzwerken können erstellt, trainiert und getestet werden. Durch eine Vielzahl an Konfigurationsmöglichkeiten kann eine hohe Präzision bei Vorhersagen mittels Neuronalen Netzwerken erreicht werden.
In den kommenden Wochen folgen weitere Blogeinträge zum Thema Microsoft AI, in denen auf ausgewählte Themenbereiche vertiefend eingegangen wird. Unter anderem wird gezeigt, wie mit Hilfe künstlicher Intelligenz ein Bot programmiert werden kann.
Die Microsoft Ignite ist ja nun doch schon ein paar Wochen her und eines der Themen Vorort war, wie könnte es anders sein, die „Künstliche Intelligenz“ (KI). Deswegen möchte ich mit diesem Blogpost, kurz auf die „Microsoft Artificial Intelligence (AI) Platform“ hinweisen. (mehr …)
