BigQuery 中的 AI 簡介

BigQuery 提供多種 AI 功能，可讓您執行下列操作：

  • 執行預測機器學習 (ML)。
  • 對 Gemini 等大型語言模型 (LLM) 執行推論作業。
  • 使用嵌入和向量搜尋建構應用程式。
  • 使用內建代理程式輔助編碼。
  • 建立資料管道。
  • 使用代理程式工具存取 BigQuery 功能。

機器學習

有了 BigQuery ML，您就能訓練、評估及執行模型推論，以完成時間序列預測、異常偵測、分類、迴歸、分群、降維和建議等工作。

您可以透過Google Cloud 控制台、bq 指令列工具、REST API 或 Colab Enterprise 筆記本，使用 BigQuery ML 功能。 BigQuery ML 允許 SQL 從業人員使用現有 SQL 工具和技能來建構及評估模型，從而使機器學習更大眾化，並在資料融入機器學習技術，加快模型開發作業，不必移動資料。您可以使用 BigQuery ML 執行下列類型的機器學習工作：

詳情請參閱「BigQuery 中的機器學習簡介」。

AI 函式

BigQuery 提供各種 SQL 函式，可用於 AI 工作，例如生成文字、分析文字或非結構化資料，以及翻譯。這些函式會存取 Gemini 和合作夥伴 LLM 模型 (可透過 Vertex AI、Cloud AI API 或內建 BigQuery 模型取得)，以執行這些工作。

AI 函式分為以下幾類：

  • 生成式 AI 功能。這些函式可協助您執行各種工作，例如生成內容、分析、摘要、擷取結構化資料、分類、生成嵌入內容，以及豐富資料。生成式 AI 函式分為兩種類型：

    • 一般用途的 AI 函式可讓您完全掌控並清楚瞭解所選用的模型、提示和參數。
    • 代管 AI 函式 提供簡化的語法，可執行篩選、評分和分類等例行工作。BigQuery 會為您選擇模型，並針對成本和品質進行最佳化。

  • 特定工作專用函式。這些函式可協助您使用 Cloud AI API 執行下列工作：

詳情請參閱工作專屬解決方案總覽。

BigQuery 提供各種搜尋函式和功能，協助您有效率地尋找特定資料，或探索資料之間的相似性，包括多模態資料。

  • 文字搜尋。您可以使用 SEARCH 函式，對非結構化文字或半結構化 JSON 資料執行權杖化搜尋。您可以建立搜尋索引來提升搜尋效能，讓 BigQuery 最佳化使用 SEARCH 函式的查詢，以及其他函式和運算子。詳情請參閱「搜尋已建立索引的資料」。

  • 生成嵌入內容。嵌入是高維度數值向量，代表文字或圖片等實體，通常由機器學習模型生成。您可以透過 Vertex AI 提供或託管的模型生成多模態嵌入，也可以使用在 BigQuery 中匯入及執行的模型。

    您也可以啟用自主式嵌入生成 (預先發布版)，讓 BigQuery 自動維護嵌入資料欄。

  • 向量搜尋。您可以使用 VECTOR_SEARCH 函式搜尋嵌入，找出語意相似的項目。您可以透過 AI.SEARCH 函式 (預覽)，在啟用自主嵌入生成功能的資料表上搜尋。您可以建立向量索引，運用近似最鄰近項目搜尋技術，提供更快速、更近似的結果，進而提升向量搜尋效能。

    向量搜尋的常見用途包括語意搜尋、推薦和檢索增強生成 (RAG)。詳情請參閱「向量搜尋簡介」。

輔助 AI 功能

BigQuery 的 AI 輔助功能 (統稱為 Gemini in BigQuery) 可協助您探索、準備、查詢資料，並以圖表呈現。

  • 資料洞察。生成有關資料的自然語言問題，以及回答這些問題的 SQL 查詢。
  • 準備資料。根據情境生成建議，協助您清理、轉換及充實資料。
  • SQL 程式碼輔助。 生成、完成及說明 SQL 查詢。
  • Python 程式碼輔助。 生成、完成及說明 Python 程式碼，包括 PySpark 和 BigQuery DataFrames。
  • 資料畫布。使用自然語言查詢資料、以圖表呈現結果，以及提出後續問題。
  • SQL 翻譯器。建立 Gemini 輔助的 SQL 轉譯規則，協助您將以不同方言編寫的查詢遷移至 GoogleSQL。

代理

代理是軟體工具，可運用 AI 代您完成工作。 您可以使用內建代理程式或建立自己的代理程式，協助處理、管理、分析及視覺化呈現資料：

  • 使用資料科學代理，在 Colab Enterprise 筆記本中自動執行探索性資料分析、資料處理、機器學習工作，以及製作洞察資料的視覺化圖表。

  • 使用資料工程代理程式建構、修改及管理資料管道，以便在 BigQuery 中載入及處理資料。您可以使用自然語言提示，從各種資料來源產生資料管道，或調整現有資料管道，以符合資料工程需求。

  • 使用 Gemini CLI，透過自然語言提示在終端機中與 BigQuery 資料互動。

  • 使用 MCP 工具箱將自己的 AI 工具連結至 BigQuery，並與資料互動。

後續步驟