Perjalanan pengguna menyeluruh untuk model AI generatif

Dokumen ini menjelaskan perjalanan pengguna untuk model jarak jauh BigQuery ML, termasuk pernyataan dan fungsi yang dapat Anda gunakan untuk bekerja dengan model jarak jauh. BigQuery ML menawarkan jenis model jarak jauh berikut:

• Model Google dan model partner
• Model terbuka
• Layanan Cloud AI
• Model kustom yang di-deploy ke Vertex AI

Perjalanan pengguna model jarak jauh

Tabel berikut menjelaskan pernyataan dan fungsi yang dapat Anda gunakan untuk membuat, mengevaluasi, dan menghasilkan data dari model jarak jauh:

Kategori model	Jenis model	Pembuatan model	Evaluasi	Inferensi	Tutorial
Model jarak jauh AI generatif	Model jarak jauh melalui model pembuatan teks Gemini^1	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT AI.GENERATE_TABLE AI.GENERATE^2 AI.GENERATE_BOOL^2 AI.GENERATE_DOUBLE^2 AI.GENERATE_INT^2	Membuat teks menggunakan data Anda Membuat data terstruktur menggunakan data Anda Membuat teks dengan Gemini dan data publik Menangani error kuota dengan memanggil ML.GENERATE_TEXT secara berulang Menganalisis gambar dengan model Gemini Mencoba penyesuaian model menggunakan data publik Menyesuaikan model menggunakan data Anda
	Model jarak jauh melalui model pembuatan teks partner	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT	T/A
	Model jarak jauh melalui model pembuatan teks terbuka^3	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT	Membuat teks dengan Gemma dan data publik
	Model jarak jauh dibandingkan model pembuatan embedding Google	CREATE MODEL	T/A	ML.GENERATE_EMBEDDING	Membuat embedding teks menggunakan data Anda Membuat embedding gambar menggunakan data Anda Membuat embedding video menggunakan data Anda Menangani error kuota dengan memanggil ML.GENERATE_EMBEDDING secara berulang Membuat dan menelusuri embedding multimodal menggunakan data publik
	Model jarak jauh melalui model pembuatan penyematan terbuka^3	CREATE MODEL	T/A	ML.GENERATE_EMBEDDING	Membuat embedding teks menggunakan model terbuka dan fungsi ML.GENERATE_EMBEDDING
Model jarak jauh Cloud AI	Model jarak jauh melalui Cloud Vision API	CREATE MODEL	T/A	ML.ANNOTATE_IMAGE	Menganotasi gambar
	Model jarak jauh melalui Cloud Translation API	CREATE MODEL	T/A	ML.TRANSLATE	Terjemahkan teks
	Model jarak jauh melalui Cloud Natural Language API	CREATE MODEL	T/A	ML.UNDERSTAND_TEXT	Memahami teks
	Model jarak jauh melalui Document AI API	CREATE MODEL	T/A	ML.PROCESS_DOCUMENT	Memproses dokumen Mem-parsing PDF dalam pipeline RAG
	Model jarak jauh melalui Speech-to-Text API	CREATE MODEL	T/A	ML.TRANSCRIBE	Mentranskripsikan file audio
Model jarak jauh dibandingkan model kustom yang di-deploy ke Vertex AI	Model jarak jauh dibandingkan model kustom yang di-deploy ke Vertex AI	CREATE MODEL	ML.EVALUATE	ML.PREDICT	Membuat prediksi dengan model kustom

¹ Beberapa model Gemini mendukung penyesuaian yang diawasi.

² Fungsi ini memanggil model Gemini yang dihosting, dan tidak mengharuskan Anda membuat model secara terpisah menggunakan pernyataan CREATE MODEL.

³ Anda dapat men-deploy model terbuka secara otomatis saat membuat model jarak jauh BigQuery ML dengan menentukan ID Hugging Face atau Vertex AI Model Garden model. BigQuery mengelola resource Vertex AI dari model terbuka yang di-deploy dengan cara ini, dan memungkinkan Anda berinteraksi dengan resource Vertex AI tersebut menggunakan pernyataan ALTER MODEL dan DROP MODEL BigQuery ML. Anda juga dapat mengonfigurasi pembatalan deployment model secara otomatis. Untuk mengetahui informasi selengkapnya, lihat Model yang di-deploy secara otomatis. Fitur ini berada dalam Pratinjau.