מסלולי משתמשים מקצה לקצה למודלים של AI גנרטיבי

במאמר הזה מתוארים תהליכי העבודה של משתמשים במודלים מרוחקים של BigQuery ML, כולל ההצהרות והפונקציות שאפשר להשתמש בהן כדי לעבוד עם מודלים מרוחקים. ‫BigQuery ML מציע את הסוגים הבאים של מודלים מרוחקים:

• מודלים של Google Gemini שעברו כוונון עדין
• מודלים כשירות של Google, של שותפים ושל קוד פתוח
• מודלים להטמעת טקסט של Google כשירות
• מודלים פתוחים שנפרסו באופן עצמאי
• שירותי AI בענן
• מודלים בהתאמה אישית שנפרסו ב-Vertex AI

תהליכי משתמשים במודל מרוחק

בטבלה הבאה מתוארים המשפטים והפונקציות שבהם אפשר להשתמש כדי ליצור, להעריך וליצור נתונים ממודלים מרוחקים:

קטגוריית המודל	סוג המודל	יצירת מודל	הערכה	הסקת מסקנות	מדריכים
מודלים מרוחקים של AI גנרטיבי	מודל מרוחק על פני מודל ליצירת טקסט של Gemini^1	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT AI.GENERATE_TABLE ‏AI.GENERATE^2 ‏AI.GENERATE_BOOL^2 ‏AI.GENERATE_DOUBLE^2 ‏AI.GENERATE_INT^2	יצירת טקסט באמצעות הנתונים שלכם יצירת נתונים מובְנים באמצעות הנתונים שלכם יצירת טקסט בעזרת Gemini ונתונים שגלויים לכולם טיפול בשגיאות שקשורות למכסה על ידי קריאה חוזרת ל-ML.GENERATE_TEXT ניתוח תמונות באמצעות מודל של Gemini איך משפרים את המודל באמצעות נתונים ציבוריים שיפור מודל באמצעות הנתונים שלכם
	מודל מרוחק על פני מודל של שותף ליצירת טקסט	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	לא רלוונטי
	מודל מרוחק על בסיס מודל פתוח ליצירת טקסט^3	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	יצירת טקסט באמצעות Gemma ונתונים ציבוריים
	מודל מרוחק על פני מודל הטמעה של Google	CREATE MODEL	לא רלוונטי	AI.GENERATE_EMBEDDING	יצירת הטמעות של טקסט באמצעות הנתונים שלכם יצירת הטמעות של תמונות באמצעות הנתונים שלכם יצירת הטמעות של סרטונים באמצעות הנתונים שלכם טיפול בשגיאות שקשורות למכסה על ידי קריאה חוזרת ל-ML.GENERATE_EMBEDDING יצירה וחיפוש של הטמעות מולטימודאליות באמצעות נתונים ציבוריים
	מודל מרוחק על פני מודל פתוח ליצירת הטבעות^3	CREATE MODEL	לא רלוונטי	AI.GENERATE_EMBEDDING	יצירת הטבעות טקסט באמצעות מודל פתוח והפונקציה AI.GENERATE_EMBEDDING
מודלים מרוחקים של AI בענן	מודל מרוחק באמצעות Cloud Vision API	CREATE MODEL	לא רלוונטי	ML.ANNOTATE_IMAGE	הוספת הערות לתמונות
	מודל מרחוק באמצעות Cloud Translation API	CREATE MODEL	לא רלוונטי	ML.TRANSLATE	תרגום טקסט
	מודל מרוחק באמצעות Cloud Natural Language API	CREATE MODEL	לא רלוונטי	ML.UNDERSTAND_TEXT	הבנת טקסט
	מודל מרוחק באמצעות Document AI API	CREATE MODEL	לא רלוונטי	ML.PROCESS_DOCUMENT	עיבוד מסמכים ניתוח קובצי PDF בפייפליין RAG
	מודל מרוחק באמצעות Speech-to-Text API	CREATE MODEL	לא רלוונטי	ML.TRANSCRIBE	תמלול קובצי אודיו
מודל מרוחק על פני מודל בהתאמה אישית שנפרס ב-Vertex AI	מודל מרוחק על פני מודל בהתאמה אישית שנפרס ב-Vertex AI	CREATE MODEL	ML.EVALUATE	ML.PREDICT	יצירת תחזיות באמצעות מודל מותאם אישית

‫¹ חלק מהמודלים של Gemini תומכים בכוונון בהשגחה.

‫² הפונקציה הזו קוראת למודל Gemini שמתארח, ולא דורשת ליצור מודל בנפרד באמצעות ההצהרה CREATE MODEL.

³ אפשר לפרוס אוטומטית מודל פתוח כשיוצרים את המודל המרוחק של BigQuery ML, על ידי ציון המזהה של המודל ב-Hugging Face או ב-Vertex AI Model Garden. ‫BigQuery מנהל את משאבי Vertex AI של מודלים פתוחים שנפרסו בדרך הזו, ומאפשר לכם ליצור אינטראקציה עם משאבי Vertex AI האלה באמצעות ההצהרות ALTER MODEL ו-DROP MODEL של BigQuery ML. אפשר גם להגדיר הסרה אוטומטית של פריסת המודל. מידע נוסף זמין במאמר בנושא מודלים שנפרסים באופן אוטומטי. התכונה הזו נמצאת בגרסת טרום-השקה.