Ringkasan fungsi AI

Fungsi AlloyDB AI memungkinkan Anda menjalankan model AI yang terdaftar melalui pengelolaan endpoint model langsung di dalam database menggunakan operator SQL. Integrasi dengan Gemini Enterprise Agent Platform menghadirkan pemfilteran cerdas, peringkat semantik, dan pembuatan teks ke data operasional Anda secara real time.

Thumbnail pemfilteran yang didukung AI

Gunakan fungsi SQL sederhana untuk tugas AI yang canggih. Ekstensi google_ml_integration menyediakan operator seperti ai.if() untuk pemfilteran cerdas dan ai.rank() untuk pemeringkatan ulang semantik.

Thumbnail pembuatan teks dalam database

Pembuatan teks dalam database

Melakukan transformasi untuk baris dalam database Anda. Dengan menggunakan operator ai.generate(), Anda dapat meminta model dasar untuk meringkas ulasan produk, atau mengubah data secara langsung dalam kueri Anda.

Thumbnail fungsi embedding dan prediksi

Gunakan fungsi SQL seperti google_ml.embedding() untuk membuat embedding vektor atau google_ml.predict_row() untuk memanggil prediksi dari model terdaftar, semuanya dalam database Anda.

Cara kerja fungsi AI

Saat Anda menyematkan operator AI seperti ai.if(), ai.rank(), atau ai.generate() ke dalam kueri SQL, fungsi AI akan mendeteksinya. Mesin ini, yang tersedia menggunakan ekstensi google_ml_integration, mengorkestrasi seluruh proses. Fungsi ini mengemas data baris yang relevan dengan aman dan memanggil model ML yang telah terdaftar sebelumnya dari penyedia, seperti Gemini, OpenAI, atau Anthropic. Model ML mengevaluasi data dan menampilkan prediksi—seperti true/false untuk filter atau skor untuk peringkat. Fungsi AI mengintegrasikan prediksi ini kembali ke eksekusi kueri Anda, sehingga menampilkan kumpulan hasil SQL standar. Anda akan mendapatkan insight yang didukung AI tanpa perlu memindahkan data.

Ringkasan visual fungsi AI

Manfaat fungsi AI AlloyDB

Mekanisme kueri database tradisional sering kali kaku, sehingga memaksa developer untuk melakukan hardcode pada semua jalur interaksi pengguna yang potensial. Fungsi AI AlloyDB memungkinkan perubahan signifikan dalam pengalaman pengguna dengan melakukan hal berikut:

  • Memasukkan data perusahaan dengan pengetahuan dunia: Anda dapat menghadirkan pengetahuan dunia nyata dari Model Bahasa Besar (LLM) langsung ke database AlloyDB untuk PostgreSQL. Berikut adalah contoh cara menggunakan fungsi AI:

    • Memproses data tidak terstruktur menggunakan ai.generate: Anda dapat mengelola masukan pengguna yang mentah, bising, atau tidak terstruktur—seperti ulasan atau log—menggunakan Gemini dengan SQL.
    • Tentukan apakah transaksi bersifat menipu menggunakan ai.if: berikan fungsi urutan tindakan pengguna, catatan transaksi, atau ringkasan chat, lalu minta fungsi tersebut untuk mengevaluasi hasil biner: Is this fraudulent?

  • Kecerdasan berperforma tinggi: gunakan hal berikut untuk mempercepat performa dan menangani kecerdasan dalam skala besar dengan fungsi AI:

    • Gunakan pemrosesan berbasis array untuk menangani hingga ribuan baris per detik, yang 2.000 kali lebih cepat daripada panggilan baris per baris. Pemrosesan berbasis array tersedia untuk semua fungsi AI. Untuk mengetahui informasi selengkapnya, lihat Menjalankan kueri SQL cerdas menggunakan fungsi AI.
    • Gunakan akselerasi fungsi AI untuk mencapai throughput yang jauh lebih tinggi daripada panggilan baris per baris. Fitur ini tersedia untuk ai.if dan ai.rank. Untuk mengetahui informasi selengkapnya, lihat Menjalankan kueri SQL cerdas menggunakan fungsi AI.
    • Gunakan ai.if yang dioptimalkan untuk menghilangkan biaya penggunaan LLM melalui peningkatan efisiensi, mencapai 100.000 baris per detik (peningkatan 23.000x dibandingkan panggilan baris per baris) dan mengurangi biaya sebesar 6.000x menjadi 1/10 sen.

Kasus penggunaan fungsi AI AlloyDB

Tabel berikut menjelaskan kasus penggunaan untuk fungsi AI AlloyDB.


Fungsi
Deskripsi
Kasus penggunaan
ai.if
Pemfilteran kognitif yang cerdas berdasarkan bahasa alami.
Menentukan transaksi pelanggan mana yang tampak bersifat menipu berdasarkan pola perilaku.
ai.rank
Memberi peringkat ulang hasil penelusuran vektor berdasarkan nuansa kontekstual yang mendalam.
Prioritaskan kain yang sejuk untuk penelusuran tropical wedding meskipun database Anda tidak mengetahui arti "kain yang sejuk".
ai.generate
Membuat konten baru atau mengubah format data.
Mengonversi data log server mentah menjadi format JSON terstruktur untuk memudahkan analisis.
ai.analyze_sentiment
Mengklasifikasikan nuansa emosional teks sebagai positif, negatif, atau netral.
Mengklasifikasikan ribuan ulasan produk untuk mengukur kepuasan pelanggan secara keseluruhan.
ai.summarize
Meringkas teks panjang menjadi informasi penting.
Mengekstrak keputusan penting dan item tindakan dari transkrip percakapan.
ai.agg_summarize
Menghasilkan ringkasan teks gabungan dari beberapa baris.
Buat ringkasan semua ulasan pengguna untuk produk tertentu.
ai.forecast
Memungkinkan perkiraan deret waktu menggunakan model TimesFM.
Memprediksi kebutuhan inventaris di masa mendatang berdasarkan data penjualan historis.
ai.extract
Mengekstrak detail terstruktur yang ditentukan dari teks atau dokumen tidak terstruktur berdasarkan skema yang disediakan.
Mengurai catatan medis atau kontrak teks bebas ke dalam kolom format JSON terstruktur, seperti nama pasien atau penyakit dan pengobatan.
ai.classify
Mengategorikan input teks ke dalam serangkaian class atau label yang telah ditentukan.
Menetapkan topik yang telah ditentukan, mendeteksi spam, atau menentukan niat pengguna di balik kueri dukungan pelanggan.

Pelajari lebih lanjut

Pelajari referensi developer untuk membangun aplikasi kueri bahasa alami Anda sendiri dengan AlloyDB AI.

Video

Memberdayakan tim IT kecil untuk memanfaatkan AI generatif dengan database Google Cloud .

Codelab

Men-deploy AlloyDB AI dengan operator AI. Gunakan model ini untuk tugas seperti penelusuran semantik, penggabungan, dan pemeringkatan hasil.

Blog

Membangun pengalaman AI generatif yang lebih kaya menggunakan pengelolaan endpoint model.

Referensi

Dokumentasi referensi untuk fungsi dan parameter ekstensi google_ml_integration.