Entendiendo los nuevos ajustes de inferencia, sintonización, anclaje y seguridad del modelo Gemini en BigQuery

El crecimiento exponencial en datos no estructurados de dispositivos y plataformas digitales requiere herramientas avanzadas para el análisis. BigQuery, la plataforma de datos en la nube listo para IA de Google, se integra con Vertex AI para aprovechar modelos de IA generativos para el procesamiento de datos no estructurados. Esta integración permite el uso de modelos como Gemini para tareas que incluyen la resumen de texto y el análisis de sentimiento. BigQuery también admite el ajuste fino de modelos utilizando técnicas LoRA, lo cual es útil cuando la ingeniería de prompts no es suficiente. Las actualizaciones recientes incluyen la adición de modelos Gemini 1.5, que mejoran las tareas de NLP, visión y nuevas capacidades como la transcripción de audio y la resumen de PDF. La función SQL ML.GENERATE_TEXT ahora admite la tierra con Google Search y ajustes de seguridad personalizables para garantizar salidas de IA responsables. Además, BigQuery amplía el soporte para el ajuste y evaluación del modelo Gemini 1.0, lo que permite capacidades de IA personalizadas. Los usuarios pueden crear modelos remotos que representan a endpoints de Vertex AI Gemini y procesar datos no estructurados con tablas de objetos en BigQuery. Los ajustes de tierra y seguridad ofrecen un control detallado sobre las respuestas de IA, asegurando precisión y adherencia a umbrales de seguridad definidos. El ajuste fino con LoRA para modelos Gemini permite una personalización precisa del comportamiento del modelo para aplicaciones específicas.