Comprendere le nuove impostazioni di inferenza, taratura, radicamento e sicurezza del modello Gemini in BigQuery

La crescita esponenziale dei dati non strutturati provenienti da dispositivi e piattaforme digitali richiede strumenti avanzati per l'analisi. BigQuery, la piattaforma di dati cloud pronta per l'IA di Google, si integra con Vertex AI per sfruttare modelli di IA generativi per l'elaborazione di dati non strutturati. Questa integrazione consente l'utilizzo di modelli come Gemini per compiti come la sintesi di testi e l'analisi del sentimento. BigQuery supporta anche l'addestramento di modelli utilizzando tecniche LoRA, che è utile quando l'ingegneria delle istruzioni non è sufficiente. Gli aggiornamenti recenti includono l'aggiunta di modelli Gemini 1.5, che migliorano le prestazioni NLP, le attività di visione e nuove capacità come la trascrizione audio e la sintesi di PDF. La funzione SQL ML.GENERATE_TEXT ora supporta la messa a terra con Google Search e impostazioni di sicurezza personalizzabili per garantire output di IA responsabili. Inoltre, BigQuery estende il supporto per l'addestramento e la valutazione del modello Gemini 1.0, abilitando capacità di IA personalizzate. Gli utenti possono creare modelli remoti che rappresentano endpoint Gemini di Vertex AI e elaborare dati non strutturati con tabelle di oggetti in BigQuery. Le impostazioni di messa a terra e di sicurezza offrono un controllo dettagliato sulle risposte di IA, garantendo precisione e aderenza ai limiti di sicurezza definiti. L'addestramento con LoRA per i modelli Gemini consente una personalizzazione precisa del comportamento del modello per applicazioni specifiche.