Percorsi utente end-to-end per i modelli di AI generativa

Questo documento descrive i percorsi utente per i modelli remoti BigQuery ML, incluse le istruzioni e le funzioni che puoi utilizzare per lavorare con i modelli remoti. BigQuery ML offre i seguenti tipi di modelli remoti:

• Modelli Google Gemini ottimizzati
• Modelli Google, di partner e aperti come servizio
• Modelli di text embedding di Google come servizio
• Modelli aperti con deployment autonomo
• Servizi di AI su Cloud
• Modelli personalizzati di cui è stato eseguito il deployment su Gemini Enterprise Agent Platform

Percorsi utente dei modelli remoti

La tabella seguente descrive le istruzioni e le funzioni che puoi utilizzare per creare, valutare e generare dati dai modelli remoti:

Categoria di modello	Tipo di modello	Creazione del modello	Valutazione	Inferenza	Tutorial
Modelli remoti di AI generativa	Modello remoto su un modello di generazione di testo 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	Generare testo utilizzando i dati Generare dati strutturati utilizzando i dati Generare testo con Gemini e dati pubblici Gestire gli errori di quota chiamando ML.GENERATE_TEXT in modo iterativo Analizzare le immagini con un modello Gemini Provare l'ottimizzazione del modello utilizzando i dati pubblici Ottimizzare un modello utilizzando i dati
	Modello remoto su un modello di generazione di testo di un partner	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	N/D
	Modello remoto su un modello di generazione di testo aperto^3	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	Generare testo con Gemma e dati pubblici
	Modello remoto su un modello di generazione di incorporamenti Google	CREATE MODEL	N/D	AI.GENERATE_EMBEDDING	Generare incorporamenti di testo utilizzando i dati Generare incorporamenti di immagini utilizzando i dati Generare incorporamenti di video utilizzando i dati Gestire gli errori di quota chiamando ML.GENERATE_EMBEDDING in modo iterativo Generare e cercare incorporamenti multimodali utilizzando i dati pubblici
	Modello remoto su un modello di generazione di incorporamenti aperto^3	CREATE MODEL	N/D	AI.GENERATE_EMBEDDING	Generare incorporamenti di testo utilizzando un modello aperto e la funzione AI.GENERATE_EMBEDDING
Modelli remoti di AI Cloud	Modello remoto sull'API Cloud Vision	CREATE MODEL	N/D	ML.ANNOTATE_IMAGE	Annotare le immagini
	Modello remoto sull'API Cloud Translation	CREATE MODEL	N/D	ML.TRANSLATE	Tradurre il testo
	Modello remoto sull'API Cloud Natural Language	CREATE MODEL	N/D	ML.UNDERSTAND_TEXT	Comprendere il testo
	Modello remoto sull'API Document AI	CREATE MODEL	N/D	ML.PROCESS_DOCUMENT	Elaborare i documenti Analizzare i PDF in una pipeline RAG
	Modello remoto sull'API Speech-to-Text	CREATE MODEL	N/D	ML.TRANSCRIBE	Trascrivere i file audio
Modello remoto su un modello personalizzato di cui è stato eseguito il deployment su Gemini Enterprise Agent Platform	Modello remoto su un modello personalizzato di cui è stato eseguito il deployment su Gemini Enterprise Agent Platform	CREATE MODEL	ML.EVALUATE	ML.PREDICT	Eseguire previsioni con un modello personalizzato

¹ Alcuni modelli Gemini supportano l'ottimizzazione supervisionata.

² Questa funzione chiama un modello Gemini ospitato e non richiede di creare un modello separatamente utilizzando l'istruzione CREATE MODEL.

³ Puoi eseguire automaticamente il deployment di un modello aperto quando crei il modello remoto BigQuery ML specificando l'ID del modello Hugging Face o Model Garden di Agent Platform. BigQuery gestisce le risorse di Agent Platform dei modelli aperti di cui è stato eseguito il deployment in questo modo e ti consente di interagire con queste risorse di Agent Platform utilizzando le istruzioni ALTER MODEL e DROP MODEL di BigQuery ML. Ti consente anche di configurare l'annullamento automatico del deployment del modello. Per ulteriori informazioni, consulta Modelli di cui è stato eseguito il deployment automaticamente.