在其 Ignite 2023 大会上，微软本周预览了用于简化 Azure 云服务管理的 Copilot 工具，以及简化在 Azure 平台上构建和部署人工智能应用程序的工具。
此外，微软还推出了 Microsoft Copilot Studio，这是一款低代码工具，可在微软之前推出的 Microsoft Copilot for Microsoft 365 工具中自动执行创建数据集成插件和添加自定义副驾驶的过程。
适用于 Azure 的 Microsoft Copilot 利用大型语言模型使 IT 团队能够使用自然语言来创建、配置、发现 Azure 服务并对其进行故障排除。它还使 IT 团队能够创建复杂的命令、提出问题并优化成本。
Microsoft Azure Core公司副总裁Erin Chapple告诉Ignite与会者，Microsoft和少数客户已经在使用Microsoft Copilot Azure来管理Azure基础设施。
从长远来看，很明显，微软正朝着使用 Azure AI Studio 简化人工智能应用程序的构建和部署的方向发展，Azure AI Studio 是一个用于调用 Microsoft 在 Azure 平台上提供的人工智能模型的框架。目标是使组织能够根据他们训练的人工智能模型创建自己的副驾驶。
就组织利用人工智能模型构建应用程序而言，现在还处于早期阶段，但很明显，DevOps 和机器学习操作以及数据工程和网络安全最佳实践需要融合。微软正在将 Azure AI Studio 作为框架，使 IT 组织能够实现这一目标。
当然，微软并不是唯一一家有类似雄心壮志的 IT 基础设施资源提供商，但由于对 OpenAI 的投资和对 GitHub 的收购，它在定义大规模构建人工智能应用程序的框架方面走得最远。上周，GitHub 预览了它已经提供的 Copilot 工具的扩展，以帮助开发人员编写代码，利用生成式人工智能自动提出可编辑的计划，以根据 GitHub Issues 项目管理软件中键入的自然语言描述来构建应用程序。Copilot Workspace 将通过单击生成可编辑的文档，这些文档可用于创建开发人员可以目视检查的代码。应用程序开发人员或 Copilot Workspace 平台发现的任何错误也可以自动修复。
同时，GitHub 扩展了 Copilot Chat 的范围和范围，使开发人员能够更轻松地使用自然语言来发现其代码库中的问题。
生成式人工智能已经对应用程序的开发速度产生了巨大影响，但该代码仍需要审查。Chat GPT 基于通用大型语言模型，该模型通过从网络上提取不同质量的代码进行训练。因此，平台生成的代码可能包含漏洞或效率低下。在许多情况下，专业开发人员仍然更喜欢编写自己的代码。
当然，并非每个编程任务都需要相同水平的编码专业知识。例如，在许多情况下，ChatGPT 会生成一个脚本，该脚本可以在 DevOps 工作流程中自信地重复使用。由于 GitHub Copilot 等工具，现在不乏平庸的开发人员，他们正在编写更好的代码，很快，特定于领域的 LLM 将使基于经过验证的代码示例始终如一地编写更好的代码成为可能。
下一个挑战将是找到一种方法来管理增加的代码量。毫无疑问，人工智能将应用于DevOps管道的管理，但至少就目前而言，人工智能应用于编写代码的速度已经超过了DevOps团队的管理能力。
