Понимание новых настроек вывода, настройки, привязки и безопасности модели Gemini в BigQuery

Быстрый рост неструктурированных данных от цифровых устройств и платформ требует продвинутых инструментов для анализа. BigQuery, облачная платформа для работы с данными от Google, готовая к использованию ИИ, интегрируется с Vertex AI, чтобы использовать генеративные модели ИИ для обработки неструктурированных данных. Эта интеграция позволяет использовать модели, такие как Gemini, для задач, включая суммирование текста и анализ настроения. BigQuery также поддерживает тонкую настройку моделей с помощью техник LoRA, что полезно, когда инженерия запросов недостаточна. Недавние обновления включают добавление моделей Gemini 1.5, которые улучшают возможности NLP, задачи по видению и новые возможности, такие как транскрипция аудио и суммирование PDF. Функция ML.GENERATE_TEXT SQL теперь поддерживает закрепление с помощью поиска Google и настраиваемые параметры безопасности, чтобы обеспечивать ответы ИИ, отвечающие принципам ответственности. Кроме того, BigQuery расширяет поддержку настройки и оценки модели Gemini 1.0, позволяя создавать настраиваемые возможности ИИ. Пользователи могут создавать удаленные модели, представляющие конечные точки Vertex AI Gemini, и обрабатывать неструктурированные данные с помощью таблиц объектов в BigQuery. Закрепление и параметры безопасности предлагают подробный контроль над ответами ИИ, обеспечивая точность и соблюдение установленных порогов безопасности. Тонкая настройка с помощью LoRA для моделей Gemini позволяет точно настраивать поведение модели для конкретных приложений.