Introduzione all'AI in BigQuery

BigQuery offre varie funzionalità di AI che ti consentono di:

  • Eseguire il machine learning (ML) predittivo.
  • Esegui l'inferenza rispetto a modelli linguistici di grandi dimensioni (LLM) come Gemini.
  • Crea applicazioni utilizzando embedding e ricerca vettoriale.
  • Utilizza gli agenti integrati per ricevere assistenza con la codifica.
  • Crea pipeline di dati.
  • Accedere alle funzionalità di BigQuery con gli strumenti dell'agente.

Machine learning

Con BigQuery ML, puoi addestrare, valutare ed eseguire l'inferenza sui modelli per attività come la previsione di serie temporali, il rilevamento delle anomalie, la classificazione, la regressione, il clustering, la riduzione della dimensionalità e i suggerimenti.

Puoi utilizzare le funzionalità di BigQuery ML tramite la consoleGoogle Cloud , lo strumento a riga di comando bq, l'API REST o nei notebook Colab Enterprise. Poiché BigQuery ML consente a chi usa il linguaggio SQL di utilizzare strumenti e competenze SQL esistenti per creare e valutare modelli, rende accessibile il machine learning e accelera lo sviluppo dei modelli portando il machine learning nei dati anziché richiedere lo spostamento dei dati. Puoi utilizzare BigQuery ML per aiutarti con i seguenti tipi di attività di machine learning:

Per saperne di più, consulta Introduzione a ML in BigQuery.

Funzioni di AI

BigQuery offre varie funzioni SQL che puoi utilizzare per attività di AI come la generazione di testo, l'analisi di testo o dati non strutturati e la traduzione. Queste funzioni accedono a Gemini e ai modelli LLM partner disponibili da Vertex AI, dalle API Cloud AI o dai modelli BigQuery integrati per eseguire queste attività.

Esistono diverse categorie di funzioni di AI:

  • Funzioni di AI generativa. Queste funzioni ti aiutano a svolgere attività come generazione, analisi, riepilogo, estrazione di dati strutturati, classificazione, generazione di embedding e arricchimento dei dati. Esistono due tipi di funzioni di AI generativa:

    • Le funzioni di AI generica ti offrono il controllo e la trasparenza completi sulla scelta del modello, del prompt e dei parametri da utilizzare.
    • Le funzioni AI gestite offrono una sintassi semplificata per le attività di routine come il filtraggio, la valutazione e la classificazione. BigQuery può scegliere un modello per te per ottimizzare costi e qualità.

  • Funzioni specifiche per attività. Queste funzioni ti aiutano a utilizzare le API Cloud AI per attività come le seguenti:

Per saperne di più, consulta la Panoramica delle soluzioni specifiche per attività.

BigQuery offre una serie di funzioni e funzionalità di ricerca per aiutarti a trovare in modo efficiente dati specifici o scoprire somiglianze tra i dati, inclusi i dati multimodali.

  • Ricerca testuale. Puoi utilizzare la funzione SEARCH per eseguire ricerche tokenizzate su testo non strutturato o dati JSON semistrutturati. Puoi migliorare le prestazioni di ricerca creando un indice di ricerca, che consente a BigQuery di ottimizzare le query che utilizzano la funzione SEARCH, nonché altre funzioni e operatori. Per maggiori informazioni, consulta la pagina Cercare dati indicizzati.

  • Generazione di embedding. Gli embedding sono vettori numerici di dimensioni elevate che rappresentano entità come testo o immagini e vengono spesso generati da modelli di ML. Puoi generare embedding multimodali utilizzando modelli forniti o ospitati su Vertex AI oppure utilizzando modelli importati ed eseguiti in BigQuery.

    Puoi anche fare in modo che BigQuery gestisca automaticamente una colonna di incorporamenti attivando la generazione autonoma di incorporamenti (anteprima).

  • Ricerca vettoriale. Puoi utilizzare la funzione VECTOR_SEARCH per cercare incorporamenti e trovare elementi semanticamente simili. Puoi utilizzare la funzione AI.SEARCH (Anteprima) per eseguire ricerche nelle tabelle in cui è attivata la generazione autonoma di incorporamenti. Puoi migliorare le prestazioni della ricerca vettoriale creando un indice vettoriale, che utilizza tecniche di ricerca del vicino più prossimo approssimato per fornire risultati più rapidi e approssimativi.

    I casi d'uso comuni per la ricerca vettoriale includono la ricerca semantica, i suggerimenti e la generazione RAG (Retrieval-Augmented Generation). Per saperne di più, consulta la sezione Introduzione alla ricerca vettoriale.

Funzionalità di AI assistive

Le funzionalità di assistenza basate sull'AI in BigQuery, collettivamente denominate Gemini in BigQuery, ti aiutano a scoprire, preparare, sottoporre a query e visualizzare i dati.

  • Approfondimenti sui dati. Genera domande in linguaggio naturale sui tuoi dati, insieme alle query SQL per rispondere a queste domande.
  • Preparazione dei dati. Genera consigli sensibili al contesto per pulire, trasformare e arricchire i tuoi dati.
  • Assistenza per il codice SQL. Generare, completare e spiegare le query SQL.
  • Code Assist per Python. Genera, completa e spiega il codice Python, inclusi PySpark e BigQuery DataFrames.
  • Canvas di dati. Esegui query sui dati utilizzando il linguaggio naturale, visualizza i risultati con grafici e fai domande aggiuntive.
  • Traduttore SQL Crea regole di traduzione SQL ottimizzate con Gemini per eseguire la migrazione delle query scritte in un dialetto diverso a GoogleSQL.

Agenti

Gli agenti sono strumenti software che possono utilizzare l'AI per completare attività per tuo conto. Puoi utilizzare gli agenti integrati o creare i tuoi agenti per aiutarti a elaborare, gestire, analizzare e visualizzare i dati:

  • Utilizza Data Science Agent per automatizzare l'analisi esplorativa dei dati, l'elaborazione dei dati, le attività di ML e gli approfondimenti di visualizzazione all'interno di un notebook Colab Enterprise.

  • Utilizza l'agente di Data Engineering per creare, modificare e gestire pipeline di dati per caricare ed elaborare i dati in BigQuery. Puoi utilizzare prompt in linguaggio naturale per generare pipeline di dati da varie origini dati o adattare pipeline di dati esistenti in base alle tue esigenze di data engineering.

  • Utilizza l'agente di analisi conversazionale per interagire con i tuoi dati utilizzando un linguaggio conversazionale. Questo agente è costituito da una o più origini dati e da un insieme di istruzioni specifiche per il caso d'uso per l'elaborazione dei dati. L'analisi delle conversazioni supporta l'utilizzo di alcune funzioni BigQuery ML.

  • Utilizza la CLI Gemini per interagire con i dati BigQuery nel terminale utilizzando prompt in linguaggio naturale.

  • Utilizza MCP Toolbox per collegare il tuo strumento di AI a BigQuery e interagire con i tuoi dati.

Passaggi successivi