Panoramica delle applicazioni di AI
Questo documento descrive le funzionalità delle applicazioni di intelligenza artificiale (AI) supportate da BigQuery ML. Queste funzionalità consentono di eseguire attività AI in BigQuery ML utilizzando le API di IA di Cloud. Le attività supportate includono:
- Elaborazione del linguaggio naturale
- Traduzione automatica
- Trascrizione audio
- Elaborazione di documenti
- Visione artificiale
Puoi accedere a un'API Cloud AI per eseguire una di queste funzioni creando un modello remoto in BigQuery ML che rappresenti l'endpoint API. Dopo aver creato un modello remoto sulla risorsa AI che vuoi utilizzare, puoi accedere alle funzionalità della risorsa eseguendo una funzione BigQuery ML sul modello remoto.
In questo modo puoi usare le funzionalità dell'API sottostante, senza dover conoscere Python o sviluppare familiarità con l'API.
Flusso di lavoro
Puoi utilizzare modelli remoti su modelli Vertex AI e modelli remoti su servizi Cloud AI insieme alle funzioni di BigQuery ML per svolgere attività complesse di analisi dei dati e IA generativa.
Il seguente diagramma mostra alcuni flussi di lavoro tipici in cui è possibile utilizzare queste funzionalità insieme:
Elaborazione del linguaggio naturale
Puoi usare l'elaborazione del linguaggio naturale per eseguire attività come la classificazione e l'analisi del sentiment. Ad esempio, potresti analizzare il feedback sul prodotto per valutare se ai clienti piace un determinato prodotto.
Per eseguire attività relative al linguaggio naturale, puoi creare un riferimento all'API Cloud Natural Language creando un modello remoto e specificando CLOUD_AI_NATURAL_LANGUAGE_V1
come valore REMOTE_SERVICE_TYPE
. Puoi quindi utilizzare la funzione ML.UNDERSTAND_TEXT
per interagire con il servizio. ML.UNDERSTAND_TEXT
utilizza i dati nelle
tabelle standard. Tutte le inferenze avvengono
in Vertex AI. I risultati vengono archiviati
in BigQuery.
Per scoprire di più, prova a comprendere il testo con la funzione ML.UNDERSTAND_TEXT
.
Traduzione automatica
Puoi utilizzare la traduzione automatica per tradurre dati testuali in altre lingue. ad esempio tradurre il feedback dei clienti da una lingua sconosciuta a una familiare.
Per eseguire attività di traduzione automatica, puoi creare un riferimento
all'API Cloud Translation creando un modello remoto e specificando
CLOUD_AI_TRANSLATE_V3
come valore REMOTE_SERVICE_TYPE
. Puoi quindi utilizzare la funzione ML.TRANSLATE
per interagire con il servizio. ML.TRANSLATE
utilizza i dati nelle
tabelle standard. Tutte le inferenze avvengono
in Vertex AI. I risultati vengono archiviati
in BigQuery.
Per scoprire di più, prova a tradurre il testo con la funzione ML.TRANSLATE
.
Trascrizione audio
Puoi utilizzare la trascrizione audio per trascrivere file audio in testo scritto. Ad esempio, trascrivere la registrazione di un messaggio vocale in un messaggio.
Per eseguire attività di trascrizione di audio, puoi creare un riferimento all'API Speech-to-Text creando un modello remoto e specificando CLOUD_AI_SPEECH_TO_TEXT_V2
per il valore REMOTE_SERVICE_TYPE
. In via facoltativa, puoi specificare un riconoscimento da utilizzare per elaborare i contenuti audio. Puoi quindi utilizzare la funzione ML.TRANSCRIBE
per trascrivere i file audio. ML.TRANSCRIBE
funziona con file audio nelle
tabelle degli oggetti. Tutte le inferenze avvengono
in Vertex AI. I risultati vengono archiviati
in BigQuery.
Per scoprire di più, prova a trascrivere file audio con la funzione ML.TRANSCRIBE
.
Elaborazione di documenti
Puoi utilizzare l'elaborazione dei documenti per estrarre insight da documenti non strutturati. Ad esempio, estrarre informazioni pertinenti dai file delle fatture per poterle inserire in software di contabilità.
Per eseguire attività di elaborazione dei documenti, puoi creare un riferimento all'API Document AI creando un modello remoto, specificando CLOUD_AI_DOCUMENT_V1
per il valore REMOTE_SERVICE_TYPE
e specificando un processore da utilizzare per elaborare i contenuti del documento. Puoi quindi utilizzare la funzione ML.PROCESS_DOCUMENT
per elaborare i documenti. ML.PROCESS_DOCUMENT
funziona su documenti nelle
tabelle degli oggetti. Tutte le inferenze avvengono
in Vertex AI. I risultati vengono archiviati
in BigQuery.
Per scoprire di più, prova a elaborare documenti con la funzione ML.PROCESS_DOCUMENT
.
Visione artificiale
Puoi utilizzare la visione artificiale per eseguire attività di analisi delle immagini. Ad esempio, potresti analizzare le immagini per rilevare se contengono volti o per generare etichette che descrivono gli oggetti nell'immagine.
Per eseguire attività di visione artificiale, puoi creare un riferimento all'API Cloud Vision creando un modello remoto e specificando CLOUD_AI_VISION_V1
come valore REMOTE_SERVICE_TYPE
. Potrai quindi utilizzare la funzione ML.ANNOTATE_IMAGE
per annotare le immagini utilizzando questo servizio. ML.ANNOTATE_IMAGE
utilizza i dati nelle
tabelle degli oggetti. Tutte le inferenze avvengono
in Vertex AI. I risultati vengono archiviati
in BigQuery.
Per scoprire di più, prova a aggiungere annotazioni alle immagini delle tabelle degli oggetti con la funzione ML.ANNOTATE_IMAGE
.
Passaggi successivi
- Per ulteriori informazioni sull'esecuzione dell'inferenza sui modelli di machine learning, consulta Panoramica dell'inferenza dei modelli.