Obtén incorporaciones de texto de Vertex AI

En esta página, se describe cómo usar la API de Vertex AI text-embeddings para generar, almacenar y actualizar embeddings de texto para los datos almacenados en bases de datos de Spanner para el dialecto de GoogleSQL y bases de datos de dialecto de PostgreSQL.

Una incorporación de texto es una representación vectorial de datos de texto y se usa de muchas maneras para encontrar elementos similares. Interactúas con ellas cada vez que completas una Búsqueda de Google o ves recomendaciones cuando compras en línea. Cuando creas incorporaciones de texto, obtienes representaciones vectoriales de texto natural como arrays de números de punto flotante. Esto significa que todo tu texto de entrada tiene asignada una representación numérica. Mediante la comparación de la distancia numérica entre las representaciones vectoriales de dos textos, una aplicación puede determinar la similitud entre el texto o los objetos representados por este.

Con la API de incorporaciones de texto de Vertex AI, puedes crear una incorporación de texto con IA generativa. En este instructivo, usarás el modelo text-embedding de Vertex AI para generar incorporaciones de texto para los datos almacenados en Spanner.

Para obtener más información sobre los embeddings, consulta Obtén incorporaciones de texto.

Objetivo

En este instructivo, aprenderás a realizar lo siguiente:

  • Registra el modelo de Vertex AI text-embedding en un esquema de Spanner con instrucciones DDL.
  • Haz referencia al modelo registrado con consultas en SQL para generar embeddings a partir de los datos almacenados en Spanner.

Precios

En este instructivo, se usan los siguientes componentes facturables de Google Cloud:

  • Spanner
  • Vertex AI

Para obtener más información sobre los costos de Spanner, consulta la página Precios de Spanner.

Para obtener más información sobre los costos de Vertex AI, consulta la página Precios de Vertex AI.

Genera y almacena embeddings de texto

Según el modelo que uses, la generación de embeddings puede tardar un poco. En el caso de las cargas de trabajo más sensibles al rendimiento, la práctica recomendada es evitar generar incorporaciones en las transacciones de lectura y escritura. En su lugar, genera los embeddings en una transacción de solo lectura con los siguientes ejemplos de SQL.

GoogleSQL

Registra un modelo de embeddings de texto en Spanner

En GoogleSQL, debes registrar un modelo antes de usarlo con la función ML.PREDICT. Para registrar el modelo text-embedding en una base de datos de Spanner, ejecuta la siguiente instrucción DDL:

CREATE MODEL MODEL_NAME
INPUT(content STRING(MAX))
OUTPUT(
  embeddings
    STRUCT<
      statistics STRUCT<truncated BOOL, token_count FLOAT64>,
      values ARRAY<FLOAT64>>
)
REMOTE OPTIONS (
  endpoint = '//aiplatform.googleapis.com/projects/PROJECT/locations/LOCATION/publishers/google/models/text-embedding$MODEL_VERSION'
);

Reemplaza lo siguiente:

  • MODEL_NAME: El nombre del modelo de embedding
  • PROJECT: Es el proyecto que aloja el extremo de Vertex AI.
  • LOCATION: Es la ubicación del extremo de Vertex AI.
  • MODEL_VERSION: Es la versión del modelo de incorporación de text-embedding.

Spanner otorga los permisos adecuados automáticamente. Si no es así, revisa el control de acceso al extremo del modelo.

El descubrimiento y la validación de esquemas no están disponibles para los modelos de IA generativa. Debes proporcionar cláusulas INPUT y OUTPUT que coincidan con el esquema de los modelos. Para ver el esquema completo del modelo de incorporación de texto, consulta Obtén incorporaciones de texto.

Genera incorporaciones de texto

Para generar embeddings, pasa un fragmento de texto directamente a la función ML.PREDICT con el siguiente código SQL:

SELECT embeddings.values
FROM ML.PREDICT(
  MODEL MODEL_NAME,
  (SELECT "A product description" as content)
);

Para generar embeddings para los datos almacenados en una tabla, usa el siguiente código SQL:

SELECT id, embeddings.values
FROM ML.PREDICT(
  MODEL MODEL_NAME,
  (SELECT id, description as content FROM Products)
);

Almacena incorporaciones de texto

Después de generar las incorporaciones en una transacción de solo lectura, almacénalas en Spanner para que se puedan administrar con tus datos operativos. Para almacenar las incorporaciones, usa una transacción de lectura y escritura.

Para las cargas de trabajo que son menos sensibles al rendimiento, puedes generar e insertar incorporaciones con el siguiente código SQL en una transacción de lectura y escritura:

CREATE TABLE Products(
  id INT64 NOT NULL,
  description STRING(MAX),
  embeddings ARRAY<FLOAT32>,
) PRIMARY KEY(id);

INSERT INTO Products (id, description, embeddings)
SELECT @Id, @Description, embeddings.values
FROM ML.PREDICT(
  MODEL MODEL_NAME,
  (SELECT @Description as content)
);

PostgreSQL

Genera incorporaciones de texto

Para generar embeddings, pasa un fragmento de texto directamente a la función spanner.ML_PREDICT_ROW con el siguiente código SQL:

SELECT
  spanner.ML_PREDICT_ROW(
    'projects/PROJECT/locations/LOCATION/publishers/google/models/text-embedding$MODEL_VERSION',
    '{"instances": [{"content": "A product description"}]}'::jsonb
  ) ->'predictions'->0->'embeddings'->'values';

Reemplaza lo siguiente:

  • PROJECT: Es el proyecto que aloja el extremo de Vertex AI.
  • LOCATION: Es la ubicación del extremo de Vertex AI.
  • MODEL_VERSION: Es la versión del modelo de incorporación de text-embedding.

Para generar embeddings para los datos almacenados en una tabla, usa el siguiente código SQL:

SELECT id, spanner.ML_PREDICT_ROW(
    'projects/PROJECT/locations/LOCATION/publishers/google/models/text-embedding$MODEL_VERSION',
    JSONB_BUILD_OBJECT('instances', JSONB_BUILD_ARRAY(JSONB_BUILD_OBJECT('content', description))))
  ) -> `predictions`->0->`embeddings`->`values``
FROM Products;

Reemplaza lo siguiente:

  • PROJECT: Es el proyecto que aloja el extremo de Vertex AI.
  • LOCATION: Es la ubicación del extremo de Vertex AI.
  • MODEL_VERSION: Es la versión del modelo de incorporación de text-embedding.

Almacena incorporaciones de texto

Después de generar las incorporaciones en una transacción de solo lectura, almacénalas en Spanner para que se puedan administrar con tus datos operativos. Para almacenar las incorporaciones, usa una transacción de lectura y escritura.

Para las cargas de trabajo que son menos sensibles al rendimiento, puedes generar e insertar incorporaciones con el siguiente código SQL en una transacción de lectura y escritura:

CREATE TABLE Products (
  id INT8 NOT NULL,
  description TEXT,
  embeddings REAL[],
  PRIMARY KEY(id)
);

INSERT INTO Products (id, description, embeddings)
SELECT @Id, @Description, spanner.FLOAT32_ARRAY(spanner.ML_PREDICT_ROW(
    'projects/PROJECT/locations/LOCATION/publishers/google/models/text-embedding$MODEL_VERSION',
    JSONB_BUILD_OBJECT('instances', JSONB_BUILD_ARRAY(JSONB_BUILD_OBJECT('content', @Description)))
  ) -> 'predictions'->0->'embeddings'->'values'
));

Reemplaza lo siguiente:

  • PROJECT: Es el proyecto que aloja el extremo de Vertex AI.
  • LOCATION: Es la ubicación del extremo de Vertex AI.
  • MODEL_VERSION: Es la versión del modelo de incorporación de text-embedding.

Actualiza las incorporaciones de texto

Para actualizar tus incorporaciones o transferir datos en tiempo real, usa la instrucción UPDATE (GoogleSQL y PostgreSQL).

Para actualizar la tabla Products en el ejemplo anterior, usa el siguiente SQL:

GoogleSQL 

UPDATE Products
SET
  description = @description,
  embeddings = (SELECT embeddings.values
                  FROM ML.PREDICT(MODEL MODEL_NAME, (SELECT @description as content))
              )
WHERE id = @id;

Reemplaza lo siguiente:

  • MODEL_NAME: El nombre del modelo de embedding

PostgreSQL 

UPDATE
  Products
SET
  description = $1,
  embeddings = spanner.FLOAT32_ARRAY(
    spanner.ML_PREDICT_ROW(
      'projects/PROJECT/locations/LOCATION/publishers/google/models/text-embedding$MODEL_VERSION',
      JSONB_BUILD_OBJECT('instances', JSONB_BUILD_ARRAY(JSONB_BUILD_OBJECT('content', $1)))
    ) -> 'predictions'->0->'embeddings'->'values')
WHERE
  id = $2;

Reemplaza lo siguiente:

  • PROJECT: Es el proyecto que aloja el extremo de Vertex AI.
  • LOCATION: Es la ubicación del extremo de Vertex AI.
  • MODEL_VERSION: Es la versión del modelo de incorporación de text-embedding.

¿Qué sigue?