最初の Microsoft AI Chat App Hack の勝者は、AI の探求を次のレベルに引き上げます

Microsoft は、RAG (Retrieval Augmented Generation) を使用してアプリケーションを構築するよう世界中の開発者に挑戦する仮想イベントである最初のAI Chat App Hackの優勝者を発表しました。イベントは1月29日から2月12日まで開催されましたが、優勝者と準優勝者は2月27日に発表されました。

この AI Chat App Hack の第 1 版の優勝者は 500 ドルを獲得し、Microsoft によれば、AI の探求を次のレベルに引き上げる DocAssistant.Swaggy プロジェクトです。

言い換えれば、このプロジェクトはテキストや音声コマンドなどの複数のインタラクション方法を使用してさまざまな API をリンクすることができ、ユーザーにフレンドリーな応答を提供することができます。

他にも受賞者があり、Microsoft はそれらすべてをさまざまなカテゴリで言及しました。

• 佳作: SecureBot – このアプリは、ポッドキャスト、ビデオトランスクリプト、Web サイト、書籍などの豊富なデータソースに基づいて、すべてスペイン語でサイバーセキュリティの質問に答えます。審査員は、Copilot Studio と Power Platform を組み合わせた、ほとんどの応募作品とは大きく異なるアーキテクチャに感銘を受けました。質問が届くと、スタジオは Power Automate を呼び出して Azure Function を呼び出し、その質問をスペイン語に翻訳し、その翻訳で Azure AI Search インデックスを検索します。このステップにより結果の関連性が向上し、迅速なエンジニアリングのおかげでボットは引き続きユーザーの質問に応答します。
• 最良のデータ ソース: DubsBot – このアプリは、UW (ワシントン大学) の学生が膨大なコース カタログから興味のあるコースを見つけるのに役立ちます。チームは、コース カタログ Web ページ用のカスタム パーサーを構築しました。これには、略語の拡張やタイム スケジュールの可読性の向上などの詳細が含まれていました。審査員は、LLM からの回答の品質に大きな違いをもたらす可能性があるため、チームがデータ取り込みのカスタマイズに非常に詳細に取り組んでいることを高く評価しました。
• 佳作: Copilot for Azure の価格設定– このアプリは、開発者が最新の価格設定データに基づいて最適な Azure リージョンと VM の種類を選択するのに役立ちます。審査員は、このアプリが Azure ドキュメント上の従来の RAG 検索と、Azure Retail API からのほぼリアルタイムのデータを組み合わせた方法を高く評価しました。このアプリは、Langchain エージェントと、リージョンの検索方法、VM タイプの検索方法、価格の取得方法を知っている複数の「ツール」を使用して呼び出しを調整し、正しい答えを生成し、途中で答えを視覚化します。
• あなたの言語で最適:起業家に質問– 一見すると、これは有名な起業家のスピーチに基づいて質問に答える標準的な RAG アプリです。ただし、落とし穴があります。ソース文書は英語と中国語の両方であり、質問は英語または中国語で行われる可能性があります。チームは、データの取り込み (漢字と英語の文字に対するさまざまなチャンク化戦略を含む) および質問応答 (現在、問題を引き起こす翻訳ステップが含まれています) を設定する最適な方法を見つけるのに多大な労力を費やしました。質問は英語と中国語の両方で行われます）。審査員は彼らの努力に感銘を受け、チームが多言語 RAG の課題に取り組むのを見て興奮しました。
• 特別賞: Ley GPT – この RAG チャットの目的は、メキシコの法律と規制のデータ セットを利用して、メキシコ連邦労働法をわかりやすく説明することです。メキシコ国民がチャットをより利用しやすいものにするために、開発者は、UI、システム プロンプト、いくつかのショットの例など、すべてを完全にスペイン語に翻訳しました。審査員は、翻訳の徹底さと、AI チャットを使用する使命を高く評価しました。労働法を誰もがもっと利用しやすいものにする。

Microsoft は、AI の概念が人気を博して以来、AI の最前線に立ってきました。レドモンドに本拠を置くこのテクノロジー巨人は、最終的に自社のサービスに統合された複数の Copilot を開発しました。Copilot for Windowsもそのうちの 1 つです。

これらのプロジェクトが製品にも組み込まれることを期待すべきでしょうか?それは誰にもわかりませんが、少なくとも同社は AI 人材を育成しています。

ブログ投稿全文はここで読むことができます。

このプロジェクトは、人間のクエリを適切な API にリダイレクトするように設計された AI ヘルパーを提供することを目的としています。ただし、結果が成功するかどうかは、サーバー上の Web API の機能に大きく依存することに注意することが重要です。

DocAssistant.Swaggy

このアプリは RAG を別のレベルに引き上げました。まず、API の OpenAPI スキーマを Azure AI Search インデックスにアップロードします。スキーマが取り込まれたら、「2023 年のトップ映画は何ですか?」など、API で回答できる質問をすることができます。 。アプリは、質問に回答する可能性のある API エンドポイントを検索し、LLM を使用して API URL を提案し、URL をフェッチして API 応答を取得し、LLM を再度呼び出して応答をユーザーフレンドリーな回答に変換します。: 衝突: 審査員は、アプリが典型的な RAG フローに追加のステップを追加して、API 探索を容易にするための完全なエンドツーエンド エクスペリエンスを提供する方法を高く評価しました。

マイクロソフト