Forståelse af nye Gemini-modelinferens, justering, forankring og sikkerhedsindstillinger i BigQuery

Den eksponentielle vækst i ustrukturerede data fra digitale enheder og platforme kræver avancerede værktøjer til analyse. BigQuery, Googles AI-klar skydata-platform, integrerer med Vertex AI for at udnytte generative AI-modeller til behandling af ustrukturerede data. Denne integration muliggør brugen af modeller som Gemini til opgaver, herunder tekstsummarering og sentimentanalyse. BigQuery understøtter også finjustering af modeller ved hjælp af LoRA-tekniker, hvilket er nyttigt, når prompt engineering er utilstrækkelig. Seneste opdateringer omfatter tilføjelsen af Gemini 1.5-modeller, som forbedrer NLP, vision-opgaver og nye funktioner som lydtranskription og PDF-summering. ML.GENERATE_TEXT SQL-funktionen understøtter nu grounding med Google-søgning og tilpasselige sikkerhedsindstillinger for at sikre ansvarlig AI-udtalelser. Desuden udvider BigQuery understøttelsen for Gemini 1.0-model-tuning og -evaluering, hvilket muliggør skræddersyede AI-kapaciteter. Brugere kan oprette fjernmodeller, der repræsenterer Vertex AI Gemini-endpoints, og behandle ustrukturerede data med objekttabeller i BigQuery. Grounding og sikkerhedsindstillinger tilbyder detaljeret kontrol over AI-svarene, sikrende nøjagtighed og overholdelse af definerede sikkerhedstrøgler. Finjustering med LoRA for Gemini-modeller muliggør præcis modeladfærd-tilpasning for specifikke anvendelser.