Forståelse av nye Gemini-modellinferens, justering, grunnleggende og sikkerhetsinnstillinger i BigQuery

Eksponentiell vekst i ustrukturert data fra digitale enheter og plattformer krever avanserte verktøy for analyse. BigQuery, Googles AI-klare skydata plattform, integrerer med Vertex AI for å utnytte generative AI-modeller for behandling av ustrukturert data. Denne integrasjonen tillater bruk av modeller som Gemini for oppgaver som inkluderer tekstsummering og sentimentanalyse. BigQuery støtter også finjustering av modeller ved hjelp av LoRA-teknikker, noe er nyttig når prompt engineering ikke er tilstrekkelig. Nylige oppdateringer inkluderer tillegget av Gemini 1.5-modeller, som forbedrer NLP, visjonstasks og nye kapasiteter som lydtranskripsjon og PDF-summering. ML.GENERATE_TEXT SQL-funksjonen støtter nå for grunnleggende med Google-søk og tilpassbare sikkerhetsinnstillinger for å sikre ansvarlig AI-utputt. I tillegg utvider BigQuery støtten for Gemini 1.0-modelljustering og evaluering, hvilket muliggjør skreddersydde AI-kapasiteter. Brukere kan opprette fjernmodeller som representerer Vertex AI Gemini-endepunkter og behandle ustrukturert data med objekttabeller i BigQuery. Grunnleggende og sikkerhetsinnstillinger tilbyr detaljert kontroll over AI-svarene, sikrer nøyaktighet og overholdelse av definerte sikkerhetstrøskler. Finjustering med LoRA for Gemini-modeller tillater presis modelloverforanstaltning for spesifikke applikasjoner.