Introdução à IA no BigQuery

Nota: esta funcionalidade pode não estar disponível quando usa reservas criadas com determinadas edições do BigQuery. Para mais informações sobre as funcionalidades ativadas em cada edição, consulte o artigo Introdução às edições do BigQuery.

O BigQuery oferece várias capacidades de IA que lhe permitem fazer o seguinte:

• Fazer aprendizagem automática (AA) preditiva.
• Executar a inferência em grandes modelos de linguagem (GMLs), como o Gemini.
• Crie aplicações com incorporações e pesquisa vetorial.
• Use agentes incorporados para ajudar na programação.
• Criar pipelines de dados.
• Aceda à funcionalidade do BigQuery com ferramentas de agente.

Aprendizagem automática

Com o BigQuery ML, pode preparar, avaliar e executar inferências em modelos para tarefas como previsão de séries cronológicas, deteção de anomalias, classificação, regressão, agrupamento, redução da dimensionalidade e recomendações.

Pode trabalhar com as capacidades do BigQuery ML através da Google Cloud consola, da ferramenta de linha de comandos bq, da API REST ou nos blocos de notas do Colab Enterprise. Uma vez que o BigQuery ML permite que os profissionais de SQL usem ferramentas e competências de SQL existentes para criar e avaliar modelos, democratiza a AA e acelera o desenvolvimento de modelos, levando a AA aos dados em vez de exigir o movimento de dados. Pode usar o BigQuery ML para ajudar com os seguintes tipos de tarefas de ML:

• Criar e executar modelos de ML através de consultas GoogleSQL.
• Crie blocos de notas do Colab Enterprise para realizar fluxos de trabalho de ML. Os blocos de notas permitem-lhe usar SQL e Python de forma intercambiável, bem como usar quaisquer bibliotecas Python de IA ou ML para o seu desenvolvimento.
• Compreenda os resultados dos seus modelos de ML preditivos com a IA explicável.
• Use os modelos TimesFM, ARIMA_PLUS e ARIMA_PLUS_XREG para fazer previsões e deteção de anomalias em dados de séries cronológicas.
• Gere estatísticas sobre as alterações às métricas principais nos seus dados multidimensionais com a análise de contribuição.

Para saber mais, consulte a Introdução à aprendizagem automática no BigQuery.

Funções de IA

O BigQuery oferece várias funções SQL que pode usar para tarefas de IA, como geração de texto, análise de texto ou dados não estruturados e tradução. Estas funções acedem ao Gemini e aos modelos de LLM de parceiros disponíveis no Vertex AI, nas APIs Cloud AI ou nos modelos BigQuery incorporados para realizar estas tarefas.

Existem várias categorias de funções de IA:

• Funções de IA generativa. Estas funções ajudam a realizar tarefas como a geração de conteúdo, a análise, o resumo, a extração de dados estruturados, a classificação, a geração de incorporações e o enriquecimento de dados. Existem dois tipos de funções de IA generativa:

  • As funções de IA de uso geral dão-lhe controlo total e transparência na escolha do modelo, do comando e dos parâmetros a usar.
  • As funções de IA geridas oferecem uma sintaxe simplificada para tarefas de rotina, como filtragem, classificação e classificação. O BigQuery escolhe um modelo por si, otimizado em função do custo e da qualidade.

• Funções específicas de tarefas. Estas funções ajudam a usar as APIs de IA na nuvem para tarefas como as seguintes:

  • Processamento de linguagem natural
  • Tradução automática
  • Processamento de documentos
  • Transcrição de áudio
  • Visão computacional

Para mais informações, consulte o artigo Vista geral das soluções específicas de tarefas.

Pesquisar

O BigQuery oferece uma variedade de funções e funcionalidades de pesquisa para ajudar a encontrar dados específicos de forma eficiente ou descobrir semelhanças entre dados, incluindo dados multimodais.

• Pesquisa de texto. Pode usar a função SEARCH para fazer uma pesquisa tokenizada em texto não estruturado ou dados JSON semiestruturados. Pode melhorar o desempenho da pesquisa criando um índice de pesquisa, que permite ao BigQuery otimizar as consultas que usam a função SEARCH, bem como outras funções e operadores. Para mais informações, consulte o artigo Pesquise dados indexados.

• Geração de incorporações. As incorporações são vetores numéricos de alta dimensão que representam entidades, como texto ou imagens, e são frequentemente geradas por modelos de ML. Pode gerar incorporações multimodais através de modelos fornecidos ou alojados no Vertex AI, ou através de modelos importados e executados no BigQuery.

  Também pode fazer com que o BigQuery mantenha automaticamente uma coluna de incorporações ativando a geração autónoma de incorporações (pré-visualização).

• Pesquisa vetorial. Pode usar a função VECTOR_SEARCH para pesquisar incorporações e encontrar itens semanticamente semelhantes. Pode usar a função AI.SEARCH (Pré-visualizar) para pesquisar em tabelas com a geração de incorporação autónoma ativada. Pode melhorar o desempenho da pesquisa vetorial criando um índice vetorial, que usa técnicas de pesquisa de vizinhos mais próximos aproximados para fornecer resultados mais rápidos e aproximados.

  Os exemplos de utilização comuns para a pesquisa vetorial incluem a pesquisa semântica, a recomendação e a geração aumentada de recuperação (RAG). Para mais informações, consulte o artigo Introdução à pesquisa vetorial.

Funcionalidades de IA assistivas

As funcionalidades de assistência com tecnologia de IA no BigQuery, referidas coletivamente como Gemini no BigQuery, ajudam a descobrir, preparar, consultar e visualizar os seus dados.

• Estatísticas de dados. Gerar perguntas em linguagem natural sobre os seus dados, juntamente com as consultas SQL para responder a essas perguntas.
• Preparação de dados. Gerar recomendações contextuais para limpar, transformar e enriquecer os seus dados.
• Assistência de código SQL. Gerar, concluir e explicar consultas SQL.
• Assistência de código Python. Gerar, concluir e explicar código Python, incluindo PySpark e DataFrames do BigQuery.
• Tela de dados. Consultar os seus dados através de linguagem natural, visualizar os resultados com gráficos e fazer perguntas de seguimento.
• Tradutor de SQL. Crie regras de tradução de SQL melhoradas pelo Gemini para ajudar a migrar consultas escritas num dialeto diferente para o GoogleSQL.

Agentes

Os agentes são ferramentas de software que podem usar a IA para concluir tarefas em seu nome. Pode usar agentes incorporados ou criar os seus próprios agentes para ajudar a processar, gerir, analisar e visualizar os seus dados:

• Use o Data Science Agent para automatizar a análise exploratória de dados, o tratamento de dados, as tarefas de ML e as estatísticas de visualização num bloco de notas do Colab Enterprise.

• Use o Data Engineering Agent para criar, modificar e gerir pipelines de dados para carregar e processar dados no BigQuery. Pode usar comandos de linguagem natural para gerar pipelines de dados a partir de várias origens de dados ou adaptar pipelines de dados existentes para se adequarem às suas necessidades de engenharia de dados.

• Use a CLI do Gemini para interagir com dados do BigQuery no seu terminal através de comandos de linguagem natural.

• Use o conjunto de ferramentas da MCP para ligar a sua própria ferramenta de IA ao BigQuery e interagir com os seus dados.

O que se segue?

• Para mais informações sobre ML, consulte o artigo Introdução ao ML no BigQuery.
• Para mais informações sobre as funções de IA generativa em SQL, consulte o artigo Vista geral da IA generativa.
• Para mais informações sobre a pesquisa nos seus dados, consulte os artigos Pesquise dados indexados e Introdução à pesquisa vetorial.
• Para mais informações sobre as funcionalidades de IA de assistência, consulte o artigo Gemini no BigQuery.
• Para mais informações sobre a utilização de agentes com o BigQuery, consulte o artigo Use o BigQuery com a MCP, a Gemini CLI e outros agentes.