Recorridos del usuario de extremo a extremo para modelos de IA generativa

En este documento, se describen los recorridos del usuario para los modelos remotos de BigQuery ML, incluidas las instrucciones y las funciones que puedes usar para trabajar con modelos remotos. BigQuery ML ofrece los siguientes tipos de modelos remotos:

• Modelos de Google y modelos de socios
• Modelos abiertos
• Servicios de Cloud AI
• Modelos personalizados implementados en Vertex AI

Recorridos del usuario del modelo remoto

En la siguiente tabla, se describen las instrucciones y funciones que puedes usar para crear, evaluar y generar datos a partir de modelos remotos:

Categoría del modelo	Tipo de modelo	Creación de modelos	Evaluación	Inferencia	Instructivos
Modelos remotos de IA generativa	Modelo remoto con un modelo de generación de texto de Gemini1	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT AI.GENERATE_TABLE AI.GENERATE2 AI.GENERATE_BOOL2 AI.GENERATE_DOUBLE2 AI.GENERATE_INT2	Genera texto con tus datos Genera datos estructurados con tus datos Cómo generar texto con Gemini y datos públicos Maneja errores de cuota llamando a ML.GENERATE_TEXT de forma iterativa Analiza imágenes con un modelo de Gemini Prueba el ajuste del modelo con datos públicos Ajusta un modelo con tus datos
	Modelo remoto sobre un modelo de generación de texto de socio	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT	N/A
	Modelo remoto con un modelo de generación de texto abierto3	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT	Genera texto con Gemma y datos públicos
	Modelo remoto con un modelo de generación de incorporaciones de Google	CREATE MODEL	N/A	ML.GENERATE_EMBEDDING	Genera embeddings de texto con tus datos Genera incorporaciones de imágenes con tus datos Genera embeddings de video con tus datos Maneja errores de cuota llamando a ML.GENERATE_EMBEDDING de forma iterativa Genera y busca incorporaciones multimodales con datos públicos
	Modelo remoto con un modelo de generación de incorporaciones abierto3	CREATE MODEL	N/A	ML.GENERATE_EMBEDDING	Genera embeddings de texto con un modelo abierto y la función ML.GENERATE_EMBEDDING
Modelos remotos de IA de Cloud	Modelo remoto sobre la API de Cloud Vision	CREATE MODEL	N/A	ML.ANNOTATE_IMAGE	Anota imágenes
	Modelo remoto sobre la API de Cloud Translation	CREATE MODEL	N/A	ML.TRANSLATE	Traducir texto
	Modelo remoto sobre la API de Cloud Natural Language	CREATE MODEL	N/A	ML.UNDERSTAND_TEXT	Interpretar texto
	Modelo remoto sobre la API de Document AI	CREATE MODEL	N/A	ML.PROCESS_DOCUMENT	Procesa documentos Cómo analizar archivos PDF en una canalización de RAG
	Modelo remoto sobre la API de Speech-to-Text	CREATE MODEL	N/A	ML.TRANSCRIBE	Transcribe archivos de audio
Modelo remoto con un modelo personalizado implementado en Vertex AI	Modelo remoto con un modelo personalizado implementado en Vertex AI	CREATE MODEL	ML.EVALUATE	ML.PREDICT	Realiza predicciones con un modelo personalizado

¹ Algunos modelos de Gemini admiten la optimización supervisada.

² Esta función llama a un modelo de Gemini alojado y no requiere que crees un modelo por separado con la instrucción CREATE MODEL.

³ Puedes implementar automáticamente un modelo abierto cuando creas el modelo remoto de BigQuery ML. Para ello, especifica el ID del modelo de Hugging Face o de Vertex AI Model Garden. BigQuery administra los recursos de Vertex AI de los modelos abiertos implementados de esta manera y te permite interactuar con esos recursos de Vertex AI usando las instrucciones ALTER MODEL y DROP MODEL de BigQuery ML. También te permite configurar la anulación automática de la implementación del modelo. Para obtener más información, consulta Modelos implementados automáticamente. Esta función está en vista previa.