微软如何打造数字零售力航母系列科普06 - 如何使用微软的Copilot人工智能

如何使用微软的Copilot人工智能?

Copilot和ChatGPT有很多相似之处,但微软的聊天机器人本身就有一定的优势。以下是如何对其进行旋转,并查看其最引人注目的功能。

​​​​​​​

(资料来源:Lance Whitney/微软)

作者:Lance Whitney

编辑:数字化营销工兵

原文更新时间:2024年3月7日

目录

(资料来源:Lance Whitney/微软)

ChatGPT促使许多公司试图加入人工智能法案。其中之一是微软,它有自己的人工智能聊天机器人Copilot(以前是Bing聊天)。Copilot可直接在Windows、网络、Edge浏览器的侧边栏和移动应用程序中使用,它将回答问题并执行任务,可能比OpenAI自己的工具更有帮助。

那么Copilot能为您做些什么呢?嗯,它可以生成不同类型的内容,从诗歌到歌曲,从故事到报道。它将分析上传的照片、艺术品和其他图像。Copilot的Designer图像创建者将根据您的文本创建徽标、绘图或其他图像。通过Edge侧边栏,Copilot还可以在浏览器中提供有关当前网页的见解。它还可以通过Copilot GPT和插件扩展其技能。

Copilot的基本版本是免费的。每月20美元,Copilot Pro提供一些额外福利,最有用的是它与Microsoft 365的集成。这意味着你可以利用人工智能帮助你在Word、Excel、PowerPoint、OneNote和Outlook中创建、编辑和分析你的工作。

Copilot比ChatGPT好吗?这两个聊天机器人都在不断发展和进步,它们有很多共同点。Copilot运行GPT-4的定制版本,微软自己也在ChatGPT创建者OpenAI上投资了数十亿美元。但既然这两种工具的基本版本都是免费的,为什么不看看微软的聊天机器人能做什么呢?

一、如何访问Microsoft Copilot

您可以在Windows 11和Windows 10的大多数迭代中直接访问Copilot。如果它被推出到你的电脑上,只需点击任务栏上的Copilot图标,它就会在右侧边栏中打开。

要在网络上使用Copilot,请在任何浏览器上访问Copilot网站。然而,Microsoft Edge有一个独特的集成,允许您通过侧边栏与聊天机器人进行交互;只需启动Edge,然后单击右上角的Copilot图标。您也可以通过下载适用于iOS/iPadOS或Android的Copilot应用程序在移动设备上运行它。

一旦你准备好使用人工智能聊天机器人,看看一些可以改善你体验的功能。

二、如何使用Microsoft Copilot

(资料来源:Lance Whitney/微软)

您与Copilot的交互方式与ChatGPT的交互方式大致相同,但微软的工具提供了更多选项。打开Copilot并使用Ask me anything文本框输入您的请求。如果你不知道该问什么,Copilot会提供几个建议问题。例如,在网络上,你可以筛选出一系列建议的提示。

当Copilot回应你的一个请求时,它通常会建议你提出后续问题,如果你想深入研究相关领域,你可以问这些问题。单击其中一个后续问题提交。使用外部来源生成回复时,Copilot将列出并链接到所使用的来源。如果您想进一步调查,请单击特定的在线来源。

要提出与先前请求无关的其他问题,请单击蓝色的“新建主题”按钮,然后撰写新问题。如果你想利用Copilot获得更多的时间,请查看我们关于下一步尝试的建议。

(资料来源:Lance Whitney/微软)

1.告诉Copilot要更有创造力、更精确或更平衡

让Copilot变得更有创意、更精确或更平衡

(资料来源:Lance Whitney/微软)

Microsoft允许您自定义Copilot的对话风格。在新对话开始时,您可以在三种风格之间进行选择,以设定聊天机器人的基调:

1)更有创意会使反应更具原创性和想象力。

2)更精确意味着反应将更准确、更简短。

3)更加平衡将试图在两者之间取得平衡。

尝试这三种方法,尽管你可能想在开始时将其保持在平衡水平。

2.批准、下载或共享响应

(资料来源:Lance Whitney/微软)

当Copilot响应您的提示时,其答案下方会出现几个图标。通过这些图标,你可以批准或拒绝人工智能所说的话;复制文本或将其导出为Word文档、PDF或文本文件;并与其他人分享答案或大声朗读。

3.与Microsoft Copilot进行实际对话

(资料来源:Lance Whitney/微软)

在Windows、网站或移动应用程序中,您可以使用语音与微软的人工智能通话。点击屏幕底部的麦克风图标。说出您的查询,然后提交。Copilot将显示并说出结果。单击或轻触音频级别图标以停止旁白。

4.让Copilot灵活运用其创造性肌肉

除了与Copilot交谈,您还可以要求它创建内容。这可以是一些创造性的东西,比如诗歌、歌曲或故事,也可以是更实际的用途,比如报告、文章或计算机代码。在Windows、网站或移动应用程序中,只需键入所需内容的请求即可。你可以要求它是长的或短的,有趣的或严肃的,专业的或随意的。

使用Edge中的Copilot侧边栏有时会获得更好的结果。单击“撰写”,然后在提示下键入您的请求。选择特定的音调、格式和长度,然后提交您的请求。Copilot的响应将显示在“预览”窗口中。从那里,如果你不喜欢初稿,你可以复制并粘贴到其他地方,或者重新生成它,让AI再次尝试。

5.获取TL(Too long);来自网页的DR (Didn't read)

(资料来源:Lance Whitney/微软)

在特定网页上寻找关键细节或简介?以下是您可以在Edge中使用Copilot侧边栏执行的另一个技巧。打开要分析的页面,然后打开侧边栏并单击Insights标题。等一两秒钟,AI就会显示页面上的关键点以及相关链接、文章和视频。

6.分析图像

您也可以拍摄照片或将图像上传到Copilot,并让AI进行分析。在Windows的Edge侧边栏或网站上,单击图像图标,然后选择从该设备上传。要拍摄新照片,请点击图像图标,然后选择拍摄照片。

(资料来源:Lance Whitney/微软)

对于移动应用程序,点击提示中的相机图标,然后选择图像图标查看照片库。拾取图像,其缩略图将显示在提示中。然后您可以输入您的查询。要从相机提交新照片,请点击移动应用程序中的相机图标并拍照。图像将显示在提示中,准备发送。

(来源:Lance Whitney/苹果)

7.塑造自己的形象

图像创建是Copilot提供的另一项技能,得益于其Designer功能。使用OpenAI的DALL-E 3,Designer将根据您提交的文本生成照片、图纸、徽标和其他类型的图像。您可以在Windows、网站、Edge侧边栏或移动应用程序中尝试此操作。

(资料来源:Lance Whitney/微软)

在提示下描述您想要的图像类型,包括样式;例如照片真实感或动画。添加任何详细信息并提交您的请求。作为回应,Copilot显示四幅图像。选择一个特定的图像,你就可以选择不同的风格,甚至可以对其进行编辑。

8.获得有关GPT的额外帮助

(资料来源:Lance Whitney/微软)

Copilot本身将提供许多有用的一般信息,但您可以通过GPT将其用于更具体的请求。在Copilot网站上,单击右上角的聊天标题。在下面的部分中,你会发现Copilot GPT具有设计师、度假规划师、烹饪助理和健身教练等技能。选择所需的GPT并提交与主题相关的问题。

9.通过插件访问特定服务

(资料来源:Lance Whitney/微软)

要使用插件,请单击右侧的插件标题。目前的阵容包括Instacart、Kayak、Klarna、Shop和Suno等选项。除了搜索的默认插件之外,您还可以选择一次将最多三个插件合并到您的请求中。选择要使用的插件后,在提示下键入问题,Copilot将使用其中一个插件查找并生成必要的信息。

10.在电脑上获取信息或启动应用程序

(资料来源:Lance Whitney/微软)

使用Windows内置的Copilot,您可以获得某些功能、设置和应用程序的帮助。例如,告诉Copilot打开或关闭电池保护程序,显示蓝牙页面,启动屏幕放大镜,显示附近的所有Wi-Fi网络,或清空回收站。只需在Copilot侧边栏的提示下键入您的请求。

三、关于Lance Whitney

兰斯·怀特尼

自2016年初以来,我一直在PCMag工作,撰写有关消费技术的教程、操作指南和其他文章。除了PCMag,我还为各种其他网站和出版物撰写了新闻故事和教程,包括CNET、ZDNet、TechRepublic、Macworld、PC World、Time、US news&World Report和AARP Magazine。作为CNET网站东海岸的一名记者,我花了七年时间为CNET撰写突发新闻。我还为Wiley&Sons写了两本书——《Windows 8:Five Minutes at a Time》和《视觉教学领英》。

四、数字化营销工兵观察

当您将大型语言模型连接到组织中的数据时,您是否曾经想知道它们是如何工作的?微软Microsoft 365 Copilot,它通过利用与公司(您的组织)数据交互的大型语言模型来改变我们的工作方式。例如,在Word中,Copilot可以使用现有文件中的内容轻松地编写一个全新的文档,如商业提案。或者在Outlook中,根据您选择的内容,Copilot可以为您撰写电子邮件回复。在PowerPoint中,您只需点击一个按钮,就可以将您的书面内容转换为视觉上美丽的演示文稿。在团队中,Copilot可以生成包含讨论的后续行动的会议摘要。或者,在Microsoft Teams中使用Business Chat时,它可以帮助您弥补可能错过的内容,将来自多个来源的信息汇集在一起,让您跟上进度。如果你想知道大型语言模型在这些情况下知道什么,让我来分析一下实现这一点的机制,以及该过程如何尊重你的隐私,并使用Microsoft 365 Copilot保护你的数据安全

(一)、机制 

首先,让我们看看大型语言模型(LLM)是从哪里获得知识的。LLM接受大量公共数据的培训,包括书籍、文章和网站,以学习语言、上下文和含义。您可以使用称为提示的自然语言与大型语言模型进行交互。提示通常是一个陈述或问题。当你在提示中提问时,LLM会根据其公共数据训练和对上下文的理解生成一个回答,这在一定程度上可能来自于你对提示的表达方式。例如,您可以为它提供更多的详细信息以生成响应。当你继续提问并得到回答时,大型语言模型暂时会得到更多的上下文。您的完整对话会随每个后续提示一起发送,因此LLM可以在您与它聊天时生成相关响应。它像我们在对话中一样处理自然语言并参考其知识。一个关键的区别是,它只会在对话中记住对话。每次新的对话都会清除聊天记录。它不会使用你的对话和互动中的知识来训练模型。也就是说,您还可以编写提示以包括其他信息,大型语言模型在生成响应时会参考这些信息。这就是你如何给LLM更多的知识,它可能需要回答你的问题。

(二)、过程

如何使用Microsoft Bing Chat的启用GPT的公共服务来实现这一点,该服务与您组织的数据无关。首先,当用户问它一个完全随机的问题,它无法回答,“我今天穿什么颜色的衬衫?”它会聪明地回答。它知道衬衫是什么,但看不到我回答用户的问题,所以它会做出相应的回应,这是一个准确的回应。

再次问这个问题,这次在用户的提示中包括一些额外的信息。用户来描述一下她的服装。现在你可以看到它使用用户提供的信息进行响应,这更符合用户所寻找的。现在它有了上下文,用户可以继续问它相关的问题,比如“什么颜色的鞋子?”同样,这是因为每次交互都会产生提示。为了证明大型语言模型没有保留信息,用户会开始一个新的聊天会话,再次问它,“我今天穿什么颜色的衬衫?”现在它又说,“我看不见你,所以我不知道。”它知道用户以前穿的是什么衬衫,只是因为用户暂时提供了额外的有限信息。

(三)、隐私与安全

 在这个新的会话中,它不再可以访问用户之前说过的内容,而且软件从未告诉它衬衫颜色,所以它不知道。那么,在Microsoft 365 Copilot的背景下,这是如何工作的呢?在之前使用Bing Chat的示例中,微软提供了提示更多信息和上下文,为LLM提供了生成正确响应所需的内容。当您在不同的应用程序体验中进行交互时,这就是Microsoft 365 Copilot系统自动为您所做的。为此,Copilot有几个核心组件。

 首先,是通过Azure OpenAI服务托管在Microsoft云中的大型语言模型。需要明确的是,Copilot并没有调用为ChatGPT提供动力的公共OpenAI服务。Microsoft 365 Copilot使用自己的大型语言模型的私有实例。Copilot功能出现在Microsoft 365应用程序中并与之配合使用。Microsoft Search用于信息检索以提供提示,就像在前面的示例中所做的那样,用户在提示中提供的信息用于帮助生成答案。然后,长期以来一直是Microsoft 365基础的Microsoft Graph包括有关组织数据的关系和活动的其他信息。Copilot系统尊重每个用户对其检索的任何内容和Graph信息的访问权限。这一点很重要,因为Microsoft 365 Copilot只会根据您有明确访问权限的信息生成响应。

在Microsoft Teams中可能会看到例子,其中一位用户问:“昨天上海发生了什么事情吗?”Copilot并没有直接向大型语言模型发送这个问题或提示。相反,Copilot知道它需要更多的知识和背景,所以使用用户问题的线索,比如“上海”,“大事情”等,它推断它需要搜索组织专有的内容来源。Copilot协调人在Microsoft Graph中搜索活动,确保其尊重用户的权限和信息访问权限,作为用户(假设用户甲),Copilot发现了用户甲收到的用户乙的电子邮件线程、项目清单和项目计划演示中的活动,这些都是甲有权访问的文件,以及将最终合同发送给活动主办方进行审查的共享操作,甲本应参与共享活动。Copilot引用了每一个信息来源,这样甲就可以很容易地验证回应。

 这些都是用户甲可以手动完成的单独步骤,比如在收件箱中搜索乙的电子邮件,查看SharePoint中最近的项目文件活动,或者阅读发送给活动举办方的合同共享通知。Copilot消除了手动执行这些步骤的繁琐,并在一个步骤中制定了一个自然、易于遵循和简洁的响应。这就是Copilot商务聊天的工作原理。

 在微软之前向您展示的示例中,您还看到了Microsoft 365 Copilot如何通过生成内容来帮助您节省使用应用程序的时间。事实上,让回到Copilot和Word的例子来解释它是如何工作的。Microsoft 365 Copilot可以使用您一直在处理的内容(例如,OneNote或您可以访问的其他文档,如Word或PowerPoint文件)来帮助生成提案草案。在这里,微软将大型语言模型关于如何构建和编写提案文档的培训与Microsoft 365 Copilot编排相结合,后者扫描并从您选择的其他文档中获取相关输入,并将信息添加到提示中。

 然后,LLM能够使用这些文件中的附加信息生成一个全新的提案文档,提供一个初稿,您可以使用它来节省时间并快速开始。与Business Chat示例一样,这里需要记住的重要一点是,用于生成知情响应的企业数据仅作为大型语言模型提示的一部分出现。这些提示不会被大型语言模型保留,也不会用于训练它们,所有检索到的信息都基于您在使用Copilot时拥有的个人数据访问权限和权限。

有关微软如何运营其人工智能服务的更多信息,请访问aka.ms/MicrosoftResponsibleAI。

五、推荐阅读

 推荐阅读 1 - 数字零售力航母-看微软如何重塑媒体​​​​​​​数字零售力航母-看微软如何重塑媒体-CSDN博客文章浏览阅读938次,点赞29次,收藏25次。数字零售力航母-看微软如何重塑媒体?从2024全美广播协会展会看微软如何整合营销媒体AI技术和AI平台公司。 微软打造的“数据+技术+云”平台将为各个参与者(stakeholder)提供各种合作的机会和可能,互联网会产生更多的合作模式和技术组合。再次巩固数字化营销工兵的认知–任何一个人,一个组织,必须成为某个细分领域的专家,就像数据的颗粒度那样,越细,越能反映事物的独一特征(unique feature)https://blog.csdn.net/weixin_45278215/article/details/137907809?spm=1001.2014.3001.5501

推荐阅读2 - how to use microsoft copilot and 10 things to try right away.

https://www.pcmag.com/how-to/how-to-use-microsoft-copilot-ai-what-to-tryicon-default.png?t=N7T8https://www.pcmag.com/how-to/how-to-use-microsoft-copilot-ai-what-to-try

推荐阅读3 - 什么是TL,DR?

What does 'TL;DR' mean? Get to know the slang term's usage.Every text slang phrase or acronym has a unique meaning and usage in the online realm. Here is what "TL;DR" means.icon-default.png?t=N7T8https://www.usatoday.com/story/tech/2024/01/13/what-does-tldr-mean/72095397007/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1409669.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

吴恩达2022机器学习专项课程(一)8.2 解决过拟合

目录 解决过拟合(一):增加数据解决过拟合(二):减少特征特征选择缺点 解决过拟合(三):正则化总结 解决过拟合(一):增加数据 收集更多训…

openKylin 2.0 Alpha2 X86 安装教程

原文链接:openKylin 2.0 Alpha2 X86 安装教程 Hello,大家好啊!今天我们将讨论如何在VMware Workstation上安装openKylin 2.0 Alpha2 X86版。openKylin是一个基于Linux的操作系统,旨在提供高性能、可靠性强的系统体验。在虚拟化软件…

【16-Ⅰ】Head First Java 学习笔记

HeadFirst Java 本人有C语言基础,通过阅读Java廖雪峰网站,简单速成了java,但对其中一些入门概念有所疏漏,阅读本书以弥补。 第一章 Java入门 第二章 面向对象 第三章 变量 第四章 方法操作实例变量 第五章 程序实战 第六章 Java…

C++ 模拟实现 priority_queue(优先队列)

目录 一,优先队列简介 二,priority_queue 的内部实现原理 三,模拟实现 priority_queue 1,模板参数与数据结构 2,构造 3,辅助功能(堆的有序化,建立堆) 4&#xff0…

202012青少年软件编程(Python)等级考试试卷(一级)

第 1 题 【单选题】 运行下方代码段,输出是6,则输入的可能是( )。 a eval(input())print(a)A :8%2 B :8/2 C :3*2 D :3**2 正确答案:C 试题解析: 第 2 题 【单选题】 关于Python变量,下列叙述正确的是&#x…

【智能算法】鹦鹉优化算法(WO)原理及实现

目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献 1.背景 2024年,J Lian等人受到鹦鹉学习行为启发,提出了鹦鹉优化算法(Parrot Optimizer, PO)。 2.算法原理 2.1算法思想 PO灵感来自于在驯养的鹦鹉中观察到的…

八皇后问题-使用递归回溯方法用c语言实现

学习的视频&#xff1a;懒猫老师 https://www.bilibili.com/video/BV1wJ411U7Gy/?spm_id_from333.337.search-card.all.click&vd_sourceda60f9e1bc3321cae28c29fe80e9b078 代码&#xff1a; 编译&#xff1a;gcc test.c -g #include <stdio.h> #include<st…

【openLooKeng集成Hive连接器完整过程】

【openLooKeng集成Hive连接器完整过程】 一、摘要二、正文2.1 环境说明2.2 Hadoop安装2.2.1. 准备工作2.2.2 在协调节点coordinator上进行安装hadoop2.2.3、将Hadoop安装目录分发到从节点worker2.2.4、在协调节点coordinator上启动hadoop集群2.3 MySQL安装2.4 Hive安装及基本操…

数据结构算法——链表带环问题——数学深度解析

前言:本节内容主要是讲解链表的两个问题 &#xff1a;1、判断链表是否带环&#xff1b; 2、一个链表有环&#xff0c; 找到环的入口点。 本节内容适合正在学习链表或者链表基础薄弱的友友们哦。 我们先将问题抛出来&#xff0c;友友们可以自己去力扣或者牛客网去找相应题目&…

el-tabs作为子组件使用页面空白

文章目录 前言一、问题展示二、源码分析三、解决方案 前言 如果el-tabs是子组件&#xff0c;父组件传值value / v-model为空字符&#xff0c;这个时候在watch中监听value / v-model就会发现监听的数据会被调用为‘0’。一定是作为子组件引用&#xff0c;且在watch进行监听&…

【Java探索之旅】包管理精粹 Java中包的概念与实践

文章目录 &#x1f4d1;前言一、封装1.1 封装的概念1.2 访问限定修饰符 二、封装扩展&#xff08;包&#xff09;2.1 包的概念2.2 带入包中的类2.3 自定义包2.4 常见的包 &#x1f324;️全篇总结 &#x1f4d1;前言 在Java编程中&#xff0c;封装是面向对象编程的核心概念之一…

令牌技术详解

1. 问题引出 之前我们讲 Cookie 和 Session 时提到过一个用户登录的场景&#xff1a;当用户登录时&#xff0c;服务器端可以把用户的登录信息存在Session中 并返回给客户端对应的SessionID&#xff0c;客户端会把这个SessionID存在Cookie 中当下次访问该服务器时&#xff0c;…

【C语言/数据结构】经典链表OJ习题~第二期——链中寻环

&#x1f388;&#x1f388;&#x1f388;欢迎采访小残风的博客主页&#xff1a;残风也想永存-CSDN博客&#x1f388;&#x1f388;&#x1f388; &#x1f388;&#x1f388;&#x1f388;本人码云 链接&#xff1a;残风也想永存 (FSRMWK) - Gitee.com&#x1f388;&#x1f…

JUC并发-共享模型-不可变

1、日期转换的问题 下面的代码在运行时&#xff0c;由于 SimpleDateFormat 不是线程安全的 Slf4j(topic "c.Test1") public class Test1 {public static void main(String[] args) {SimpleDateFormat sdf new SimpleDateFormat("yyyy-MM-dd");for (int…

Mac系统常用操作

文章目录 1、常用快捷键2、常用功能及其操作 1、常用快捷键 win和mac键盘对比&#xff1a;Command按键和Ctrl按键类似&#xff0c; 图片来源&#xff1a;https://www.xiaohongshu.com/explore/62d2787a0000000011012ab9锁屏&#xff1a;ControlCommandQ复制、粘贴、剪切、全选…

hdc不是内部或外部命令,也不是可运行的程序或批处理文件。【鸿蒙报错已解决】

文章目录 项目场景:问题描述原因分析:解决方案:此Bug解决方案总结Bug解决方案寄语项目场景: 最近遇到了这个问题,看到网上也有人在询问这个问题,实操了很多网上的解决方案发现并不能解决这个Bug,所以我在解决这个问题后,总结了自己和其他人的解决经验,进行了整理,写…

linux系统的rsync命令实现本机到远程主机之间目录的复制和同步

一、rsync命令介绍 在Linux中&#xff0c;rsync 是一个强大的命令行工具&#xff0c;用于同步文件和目录。它可以在本地或通过网络在远程系统之间复制文件。 二、远程目录复制的条件 1、系统要已经安装rsync工具 要使用 rsync 复制远程目录&#xff0c;需要确保系统上安装了 …

知识图谱与知识表示:人工智能的基石

知识图谱与知识表示&#xff1a;人工智能的基石 一、知识图谱&#xff1a;连接数据的桥梁1.1 知识图谱的构成1.2 知识图谱的应用 二、知识表示&#xff1a;AI的推理基础2.1 知识表示的定义2.2 知识表示的形式 三、从符号表示到向量表示3.1 符号表示与向量表示3.2 向量表示的优势…

自动化机器学习——网格搜索法:寻找最佳超参数组合

自动化机器学习——网格搜索法&#xff1a;寻找最佳超参数组合 在机器学习中&#xff0c;选择合适的超参数是模型调优的关键步骤之一。然而&#xff0c;由于超参数的组合空间通常非常庞大&#xff0c;手动调整超参数往往是一项耗时且困难的任务。为了解决这个问题&#xff0c;…

算法入门<二>:分治算法之汉诺塔问题及递归造成的栈溢出

1、分治算法 分治&#xff08;divide and conquer&#xff09;&#xff0c;全称分而治之&#xff0c;是一种非常重要且常见的算法策略。分治通常基于递归实现&#xff0c;包括“分”和“治”两个步骤。 分&#xff08;划分阶段&#xff09;&#xff1a;递归地将原问题分解为两…