Découvrez comment développer une application d'IA générative.

Découvrez les produits, frameworks et outils qui correspondent le mieux à la création de votre application d'IA générative. Les composants courants d'une application d'IA générative hébergée dans le cloud sont les suivants:

1. Hébergement d'application: calculez pour héberger votre application. Votre application peut utiliser les bibliothèques clientes et les SDK de Google Cloud pour communiquer avec différents produits Cloud.
2. Hébergement de modèles: hébergement évolutif et sécurisé pour un modèle génératif.
3. Modèle: modèle génératif pour le texte, le chat, les images, le code, les représentations vectorielles continues et le multimodal.
4. Solution d'ancrage: ancrez la sortie du modèle sur des sources d'informations vérifiables et mises à jour.
5. Base de données: stockez les données de votre application. Vous pouvez réutiliser votre base de données existante comme solution d'ancrage, en augmentant les invites via une requête SQL et/ou en stockant vos données sous forme de représentations vectorielles continues à l'aide d'une extension telle que pgvector.
6. Stockage: stockez des fichiers, tels que des images, des vidéos ou des interfaces Web statiques. Vous pouvez également utiliser Storage pour les données d'ancrage brutes (par exemple, PDF) que vous convertissez ensuite en représentations vectorielles continues et stockez dans une base de données vectorielle.

Les sections ci-dessous présentent chacun de ces composants pour vous aider à choisir les produits Google Cloud à essayer.

Choisissez un produit sur lequel héberger et diffuser la charge de travail de votre application, qui appellera le modèle génératif.

Premiers pas avec :

• Cloud Run
• GKE
• Compute Engine

Google Cloud propose plusieurs solutions pour héberger un modèle génératif, de la plate-forme Vertex AI phare à l'hébergement portable et personnalisable sur Google Kubernetes Engine.

Premiers pas avec :

• Vertex AI
• API Gemini Developer
• GKE
• Compute Engine

Google Cloud fournit un ensemble de modèles de fondation de pointe via Vertex AI, y compris Gemini. Vous pouvez également déployer un modèle tiers vers Vertex AI Model Garden ou l'auto-hébergement sur GKE, Cloud Run ou Compute Engine.

Premiers pas avec :

• Gemini
• Codey
• Imagen
• Représentation vectorielle continue de texte
• Vertex AI Model Garden (modèles Open Source)
• Hub de modèles HuggingFace (modèles Open Source)

Pour garantir des réponses de modèle précises et éclairées, vous pouvez ancrer votre application d'IA générative sur des données en temps réel. C'est ce qu'on appelle la génération augmentée de récupération (RAG).

Vous pouvez mettre en œuvre l'ancrage avec vos propres données dans une base de données vectorielles, qui constitue un format optimal pour des opérations telles que la recherche de similarités. Google Cloud propose plusieurs solutions de base de données vectorielles pour différents cas d'utilisation.

Remarque: Vous pouvez également baser vos données sur des bases de données traditionnelles (non vectorielles) en interrogeant simplement une base de données existante telle que Cloud SQL ou Firestore, puis en utilisant le résultat dans l'invite de votre modèle.

Premiers pas avec :

• Vertex AI Search and Conversation (anciennement Enterprise Search, Gen AI App Builder, Discovery Engine)
• Vector Search (anciennement Matching Engine)
• AlloyDB pour PostgreSQL
• Cloud SQL
• BigQuery

Au lieu (ou en plus) d'utiliser vos propres données pour l'ancrage, de nombreux services en ligne proposent des API que vous pouvez utiliser pour récupérer les données d'ancrage afin d'améliorer l'invite de votre modèle.

Installez les outils dont vous avez besoin pour créer une application d'IA générative sur Google Cloud.

Découvrez des stratégies pour construire des requêtes et testez différents modèles.

Dupliquer un exemple sur GitHub et commencer à créer

Recommandations et exemples d'applications d'IA générative sécurisées, efficaces, résilientes, performantes et économiques.