Jornadas do usuário completas para modelos de IA generativa

Este documento descreve as jornadas do usuário para modelos remotos do BigQuery ML, incluindo as instruções e funções que podem ser usadas para trabalhar com modelos remotos. O BigQuery ML oferece os seguintes tipos de modelos remotos:

• Modelos do Google Gemini ajustados
• Modelos do Google, de parceiros e abertos como um serviço
• Modelos de embedding de texto do Google como um serviço
• Modelos abertos autoimplantados
• Serviços de IA do Google Cloud
• Modelos personalizados implantados na Gemini Enterprise Agent Platform

Jornadas do usuário de modelos remotos

A tabela a seguir descreve as instruções e funções que podem ser usadas para criar, avaliar e gerar dados de modelos remotos:

Categoria do modelo	Tipo de modelo	Criação de modelos	Avaliação	Inferência	Tutoriais
Modelos remotos de IA generativa	Modelo remoto sobre um modelo de geração de texto do 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	Gerar texto usando seus dados Gerar dados estruturados usando seus dados Gerar texto com o Gemini e dados públicos Resolver erros de cota chamando ML.GENERATE_TEXT de forma iterativa Analisar imagens com um modelo do Gemini Testar o ajuste de modelos usando dados públicos Ajustar um modelo usando seus dados
	Modelo remoto sobre um modelo de geração de texto de parceiro	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	N/A
	Modelo remoto sobre um modelo de geração de texto aberto^3	CREATE MODEL	ML.EVALUATE	AI.GENERATE_TEXT	Gerar texto com o Gemma e dados públicos
	Modelo remoto sobre um modelo de geração de embedding do Google	CREATE MODEL	N/A	AI.GENERATE_EMBEDDING	Gerar embeddings de texto usando seus dados Gerar embeddings de imagem usando seus dados Gerar embeddings de vídeo usando seus dados Resolver erros de cota chamando ML.GENERATE_EMBEDDING de forma iterativa Gerar e pesquisar embeddings multimodais usando dados públicos
	Modelo remoto sobre um modelo de geração de embedding aberto^3	CREATE MODEL	N/A	AI.GENERATE_EMBEDDING	Gerar embeddings de texto usando um modelo aberto e a função AI.GENERATE_EMBEDDING
Modelos remotos de IA do Google Cloud	Modelo remoto na API Cloud Vision	CREATE MODEL	N/A	ML.ANNOTATE_IMAGE	Anotar imagens
	Modelo remoto na API Cloud Translation	CREATE MODEL	N/A	ML.TRANSLATE	Traduzir texto
	Modelo remoto na API Cloud Natural Language	CREATE MODEL	N/A	ML.UNDERSTAND_TEXT	Entender o texto
	Modelo remoto na API Document AI	CREATE MODEL	N/A	ML.PROCESS_DOCUMENT	Processar documentos Analisar PDFs em um pipeline RAG
	Modelo remoto na API Speech-to-Text	CREATE MODEL	N/A	ML.TRANSCRIBE	Transcrever arquivos de áudio
Modelo remoto sobre um modelo personalizado implantado na plataforma de agentes do Gemini Enterprise	Modelo remoto sobre um modelo personalizado implantado na plataforma de agentes do Gemini Enterprise	CREATE MODEL	ML.EVALUATE	ML.PREDICT	Fazer previsões com um modelo personalizado

¹ Alguns modelos do Gemini oferecem suporte ao ajuste supervisionado.

² Essa função chama um modelo hospedado do Gemini e não exige que você crie um modelo separadamente usando a instrução CREATE MODEL.

³ É possível implantar um modelo aberto automaticamente ao criar o modelo remoto do BigQuery ML, especificando o ID do Hugging Face ou do Model Garden da Agent Platform. O BigQuery gerencia os recursos da plataforma de agentes de modelos abertos implantados dessa forma e permite interagir com esses recursos usando as instruções ALTER MODEL e DROP MODEL do BigQuery ML. Ele também permite configurar a remoção automática da implantação do modelo. Para mais informações, consulte Modelos implantados automaticamente.