Percorsi utente end-to-end per 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 e modelli partner
• Modelli aperti
• Servizi Cloud AI
• Modelli personalizzati di cui è stato eseguito il deployment su Vertex AI

Percorsi dell'utente del modello remoto

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

Categoria del modello	Tipo di modello	Creazione del modello	Valutazione	Inferenza	Tutorial
Modelli remoti di AI generativa	Modello remoto rispetto a un modello di generazione del testo Gemini1	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT AI.GENERATE_TABLE AI.GENERATE2 AI.GENERATE_BOOL2 AI.GENERATE_DOUBLE2 AI.GENERATE_INT2	Generare testo utilizzando i tuoi dati Generare dati strutturati utilizzando i tuoi 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 Prova l'ottimizzazione del modello utilizzando dati pubblici Ottimizzare un modello utilizzando i tuoi dati
	Modello remoto rispetto a un modello di generazione del testo del partner	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT	N/D
	Modello remoto rispetto a un modello di generazione di testo aperto3	CREATE MODEL	ML.EVALUATE	ML.GENERATE_TEXT	Generare testo con Gemma e dati pubblici
	Modello remoto rispetto a un modello di generazione di incorporamenti di Google	CREATE MODEL	N/D	ML.GENERATE_EMBEDDING	Generare incorporamenti di testo utilizzando i tuoi dati Generare incorporamenti di immagini utilizzando i tuoi dati Generare incorporamenti video utilizzando i dati Gestire gli errori di quota chiamando ML.GENERATE_EMBEDDING in modo iterativo Generare e cercare embedding multimodali utilizzando dati pubblici
	Modello remoto su un modello di generazione di incorporamenti aperto3	CREATE MODEL	N/D	ML.GENERATE_EMBEDDING	Generare embedding di testo utilizzando un modello open e la funzione ML.GENERATE_EMBEDDING
Modelli remoti di Cloud AI	Modello remoto tramite l'API Cloud Vision	CREATE MODEL	N/D	ML.ANNOTATE_IMAGE	Annotare le immagini
	Modello remoto tramite l'API Cloud Translation	CREATE MODEL	N/D	ML.TRANSLATE	Traduci il testo
	Modello remoto tramite l'API Cloud Natural Language	CREATE MODEL	N/D	ML.UNDERSTAND_TEXT	Comprendere il testo
	Modello remoto tramite l'API Document AI	CREATE MODEL	N/D	ML.PROCESS_DOCUMENT	Elaborare documenti Analizzare i PDF in una pipeline RAG
	Modello remoto tramite l'API Speech-to-Text	CREATE MODEL	N/D	ML.TRANSCRIBE	Trascrivere file audio
Modello remoto su un modello personalizzato di cui è stato eseguito il deployment in Vertex AI	Modello remoto su un modello personalizzato di cui è stato eseguito il deployment in Vertex AI	CREATE MODEL	ML.EVALUATE	ML.PREDICT	Fare 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 Hugging Face o Vertex AI Model Garden del modello. BigQuery gestisce le risorse Vertex AI dei modelli aperti di cui è stato eseguito il deployment in questo modo e ti consente di interagire con queste risorse Vertex AI utilizzando le istruzioni ALTER MODEL e DROP MODEL di BigQuery ML. Consente inoltre di configurare l'annullamento automatico del deployment del modello. Per saperne di più, consulta Modelli di cui è stato eseguito il deployment automatico. Questa funzionalità è in anteprima.