Informações gerais sobre aplicativos de IA
Neste documento, descrevemos os recursos de aplicativos de inteligência artificial (IA) compatíveis com o BigQuery ML. Com esses recursos, é possível realizar tarefas de IA no BigQuery ML usando as APIs de IA do Cloud. Veja a seguir algumas das tarefas disponíveis:
- Processamento de linguagem natural
- Tradução automática
- Transcrição de áudio
- Processamento de documentos
- Visão computacional
Acesse uma API Cloud AI para executar uma dessas funções criando um modelo remoto no BigQuery ML que representa o endpoint da API. Depois de criar um modelo remoto sobre o recurso de IA que você quer usar, acesse a funcionalidade desse recurso executando uma função do BigQuery ML no modelo remoto.
Essa abordagem permite que você use os recursos da API subjacente sem precisar conhecer Python ou desenvolver familiaridade com a API.
Fluxo de trabalho
É possível usar modelos remotos em vez de modelos da Vertex AI e modelos remotos pelos serviços do Cloud AI com as funções do BigQuery ML para realizar tarefas complexas de análise de dados e IA generativa.
O diagrama a seguir mostra alguns fluxos de trabalho típicos em que é possível usar esses recursos juntos:
Processamento de linguagem natural
Use o processamento de linguagem natural para executar tarefas como classificação e análise de sentimento nos seus dados. Por exemplo, é possível analisar o feedback de um produto para estimar se os clientes gostam de um produto específico.
Para executar tarefas de linguagem natural, crie uma referência à API Cloud Natural Language criando um modelo remoto e especificando o valor CLOUD_AI_NATURAL_LANGUAGE_V1
para REMOTE_SERVICE_TYPE
. Em seguida, use a
função ML.UNDERSTAND_TEXT
para interagir com esse serviço. ML.UNDERSTAND_TEXT
trabalha com dados em tabelas padrão. Toda inferência
ocorre na Vertex AI. Os resultados são armazenados no BigQuery.
Para saber mais, tente compreender texto com a função ML.UNDERSTAND_TEXT
.
Tradução automática
Você pode usar a tradução automática para traduzir dados de texto para outros idiomas. Por exemplo, traduzir o feedback do cliente de um idioma desconhecido para um familiar.
Para executar tarefas de tradução automática, crie uma referência à
API Cloud Translation criando um modelo remoto e especificando o valor
CLOUD_AI_TRANSLATE_V3
para REMOTE_SERVICE_TYPE
. Em seguida, use a
função ML.TRANSLATE
para interagir com esse serviço. ML.TRANSLATE
trabalha com dados em tabelas padrão. Toda inferência
ocorre na Vertex AI. Os resultados são armazenados no BigQuery.
Para saber mais, tente traduzir texto com a função ML.TRANSLATE
.
Transcrição de áudio
Você pode usar a transcrição de áudio para transcrever arquivos de áudio em texto. Por exemplo, ao transcrever uma gravação do correio de voz em uma mensagem de texto.
Para executar tarefas de transcrição de áudio, crie uma referência à
API Speech-to-Text criando um modelo remoto e especificando
CLOUD_AI_SPEECH_TO_TEXT_V2
para o valor REMOTE_SERVICE_TYPE
. Opcionalmente,
é possível especificar um reconhecedor para usar e processar o conteúdo
de áudio. Use a
função ML.TRANSCRIBE
para transcrever arquivos de áudio. ML.TRANSCRIBE
funciona com arquivos de áudio em
tabelas de objetos. Toda inferência
ocorre na Vertex AI. Os resultados são armazenados no BigQuery.
Para saber mais, tente
transcrever arquivos de áudio com a função ML.TRANSCRIBE
.
Processamento de documentos
É possível usar o processamento de documentos para extrair insights de documentos não estruturados. Por exemplo, a extração de informações relevantes de arquivos de faturas para que elas possam ser inseridas em um software de contabilidade.
Para executar tarefas de processamento de documentos, crie uma referência ao
API Document AI criando um modelo remoto,
especificando o valor CLOUD_AI_DOCUMENT_V1
para REMOTE_SERVICE_TYPE
, e
especificar um processador a ser usado para processar
o conteúdo do documento. Em seguida, use a
função ML.PROCESS_DOCUMENT
para processar documentos. ML.PROCESS_DOCUMENT
funciona em documentos em
tabelas de objetos. Toda inferência
ocorre na Vertex AI. Os resultados são armazenados no BigQuery.
Para saber mais, tente
processar documentos com a função ML.PROCESS_DOCUMENT
.
Visão computacional
É possível usar a visão computacional para realizar tarefas de análise de imagens. Por exemplo, é possível analisar imagens para detectar se elas contêm rostos ou gerar rótulos que descrevam os objetos nelas.
Para executar tarefas de visão computacional, crie uma referência à
API Cloud Vision criando um modelo remoto e
especificando o valor CLOUD_AI_VISION_V1
para REMOTE_SERVICE_TYPE
. Em seguida, use a
função ML.ANNOTATE_IMAGE
para fazer anotações em imagens usando esse serviço. ML.ANNOTATE_IMAGE
trabalha com dados em tabelas de objetos. Toda inferência
ocorre na Vertex AI. Os resultados são armazenados no BigQuery.
Para saber mais, tente anotar imagens da tabela de objetos com a função ML.ANNOTATE_IMAGE
.
A seguir
- Para mais informações sobre como realizar inferência em modelos de machine learning, consulte Visão geral da inferência de modelos.