Förstå nya Gemini-modellinferens, inställning, grundning och säkerhetsinställningar i BigQuery

Den exponentiella tillväxten av ostrukturerade data från digitala enheter och plattformar kräver avancerade verktyg för analys. BigQuery, Googles AI-klara molndataplattform, integrerar med Vertex AI för att utnyttja generativa AI-modeller för ostrukturerad datahantering. Denna integration möjliggör användning av modeller som Gemini för uppgifter som textsammanfattning och sentimentanalys. BigQuery stöder också finjustering av modeller med LoRA-tekniker, vilket är användbart när prompt engineering är otillräckligt. Senaste uppdateringarna inkluderar tillägget av Gemini 1.5-modeller, som förbättrar NLP, visionuppgifter och nya funktioner som ljudtranskription och PDF-sammanfattning. ML.GENERATE_TEXT SQL-funktionen stöder nu markbaserad sökning med Google och anpassningsbara säkerhetsinställningar för att säkerställa ansvarsfulla AI-utdata. Dessutom utökar BigQuery stödet för Gemini 1.0-modelljustering och utvärdering, vilket möjliggör skräddarsydda AI-funktioner. Användare kan skapa fjärrmodeller som representerar Vertex AI Gemini-slutpunkter och bearbeta ostrukturerade data med objekttabeller i BigQuery. Markbaserade och säkerhetsinställningar erbjuder detaljerad kontroll över AI-svaren, säkerställande precision och efterlevnad av definierade säkerhetströsklar. Finjustering med LoRA för Gemini-modeller möjliggör precisa anpassningar av modellbeteende för specifika applikationer.