Google Vertex AI را با قابلیت‌های جدید LLM، ویژگی سازنده عامل به‌روزرسانی می‌کند

به‌روزرسانی‌های دیگر شامل برنامه‌های کاربردی و عوامل مجازی در جستجوی Google از طریق Vertex AI و Vertex AI agent builder است.

Google در کنفرانس سالانه Google Cloud Next، مدل‌های زبان بزرگ (LLM) و یک ویژگی سازنده عامل جدید را به پلتفرم هوش مصنوعی و یادگیری ماشین خود Vertex AI اضافه کرده است.

LLM شامل یک پیش نمایش عمومی از مدل Gemini 1.5 Pro است که از زمینه ۱ میلیون توکن پشتیبانی می کند.

این شرکت گفت که پشتیبانی گسترده برای زمینه امکان استدلال بومی را بر روی مقادیر عظیمی از داده‌های خاص برای یک درخواست ورودی فراهم می‌کند، و افزود که بازخوردی از شرکت‌ها دریافت کرده است مبنی بر اینکه این پشتیبانی گسترده می‌تواند نیاز به تنظیم دقیق مدل‌ها یا استفاده از < را برطرف کند. a>بازیابی نسل افزوده (RAG) به پاسخ های مدل زمین.

به‌علاوه، Gemini 1.5 Pro در Vertex AI همچنین می‌تواند جریان‌های صوتی، از جمله گفتار و صدای ویدیوها را پردازش کند.

Google گفت که قابلیت پردازش صدا، تجزیه و تحلیل متقاطع وجهی را در اختیار کاربران قرار می‌دهد و بینش‌هایی را در مورد متن، تصاویر، ویدیوها و صدا ارائه می‌دهد.

این شرکت افزود، مدل Pro همچنین از رونویسی پشتیبانی می‌کند که می‌تواند برای جستجوی محتوای صوتی و تصویری استفاده شود.

ارائه‌دهنده خدمات ابری همچنین خانواده Imagen 2 LLM خود را با ویژگی‌های جدید به‌روزرسانی کرده است، از جمله قابلیت‌های ویرایش عکس، توانایی ایجاد ویدیوهای ۴ ثانیه‌ای یا «تصاویر زنده» از پیام‌های متنی.

در حالی که قابلیت تبدیل متن به تصاویر زنده در پیش نمایش است، قابلیت ویرایش عکس به طور کلی در کنار یک ویژگی واترمارک دیجیتال در دسترس قرار گرفته است که به کاربران اجازه می دهد تصاویر تولید شده با هوش مصنوعی را برچسب گذاری کنند.

سایر به‌روزرسانی‌های LLM به Vertex AI شامل اضافه شدن CodeGemma، یک مدل سبک وزن جدید از خانواده اختصاصی Gemma است.

به منظور کمک به شرکت‌های دارای مدل‌های پایه‌گذاری برای دریافت پاسخ‌های دقیق‌تر از آن‌ها، Google به تیم‌های سازمانی اجازه می‌دهد تا LLM‌ها را در جستجوی Google و همچنین داده‌های خود را از طریق Vertex AI مستقر کنند.

این شرکت گفت: «مدل‌های پایه با داده‌های آموزشی محدود می‌شوند، که می‌توانند به سرعت قدیمی شوند و ممکن است شامل اطلاعاتی نباشند که مدل‌ها برای موارد استفاده سازمانی به آن نیاز دارند.

قابلیت‌های Mlops در Vertex AI

گسترش یافته است

ارائه‌دهنده خدمات ابری قابلیت‌های MLops را در Vertex AI گسترش داده است تا به شرکت‌ها در انجام وظایف یادگیری ماشین کمک کند.

یکی از قابلیت‌های توسعه‌یافته، Vertex AI Prompt Management است که به تیم‌های سازمانی کمک می‌کند تا درخواست‌ها را آزمایش کنند، درخواست‌ها را انتقال دهند، و درخواست‌ها را همراه با پارامترها دنبال کنند.

شرکت گفت

“Vertex AI Prompt Management کتابخانه ای از دستورات مورد استفاده در بین تیم ها را فراهم می کند، از جمله نسخه سازی، گزینه بازیابی درخواست های قدیمی، و پیشنهادات تولید شده توسط هوش مصنوعی برای بهبود عملکرد سریع.” /p>

ویژگی مدیریت سریع همچنین به شرکت‌ها اجازه می‌دهد تکرارهای سریع را در کنار یکدیگر مقایسه کنند تا ارزیابی کنند که چگونه تغییرات کوچک بر خروجی‌ها تأثیر می‌گذارند و در عین حال به تیم‌ها اجازه می‌دهد یادداشت برداری کنند.

سایر قابلیت‌های توسعه‌یافته شامل ابزارهای ارزیابی، مانند ارزیابی سریع است که می‌تواند عملکرد مدل را هنگام تکرار در طراحی سریع ارزیابی کند. Rapid Evaluation در حال حاضر در پیش نمایش است.

علاوه بر افزودن قابلیت‌های جدید به مدل‌ها، این شرکت محل اقامت داده‌های ذخیره‌شده در حالت استراحت برای Gemini، Imagen و Embeddings API در Vertex AI را به ۱۱ کشور جدید-استرالیا، برزیل، فنلاند، هنگ‌کنگ، هند، گسترش داده است. اسرائیل، ایتالیا، لهستان، اسپانیا، سوئیس و تایوان.

Vertex AI سازنده عامل جدیدی دریافت می کند

به منظور رقابت با رقبایی مانند مایکروسافت و AWS، Google Cloud یک پیشنهاد سازنده عامل جدید مبتنی بر هوش مصنوعی ارائه کرده است.

به نام Vertex AI Agent Builder، ارائه بدون کد، که ترکیبی از Vertex AI Search و مجموعه محصولات مکالمه این شرکت است، طیف وسیعی از ابزارها را برای ساخت عوامل مجازی، که زیربنای Gemini LLM های Google هستند، سریعتر ارائه می دهد.

مزیت ارائه بدون کد، سیستم RAG خارج از جعبه آن است، Vertex AI Search، که می‌تواند عامل‌ها را سریع‌تر در مقایسه با تکنیک‌های RAG سنتی که زمان‌بر و پیچیده هستند، زمین‌بندی کند.

این شرکت در بیانیه‌ای گفت: «فقط چند کلیک برای راه‌اندازی و اجرا لازم است، و با اجزای از پیش ساخته شده، پلتفرم ایجاد، نگهداری و مدیریت پیاده‌سازی‌های پیچیده‌تر را ساده می‌کند.

>

راگ APIهای تعبیه شده در این پیشنهاد می‌تواند به توسعه‌دهندگان کمک کند تا به سرعت ورودی‌های زمینی را بررسی کنند.

برای پیاده‌سازی‌های پیچیده‌تر، Vertex AI Agent Builder جستجوی برداری را برای ساختن سیستم‌های RAG مبتنی بر جاسازی‌های سفارشی نیز ارائه می‌دهد.

به‌علاوه، توسعه‌دهندگان همچنین این گزینه را دارند که خروجی‌های مدل را در جستجوی Google به منظور بهبود بیشتر پاسخ‌ها زمین‌بندی کنند.

گستره ابزارهای موجود در پیشنهاد بدون کد شامل برنامه‌های افزودنی، توابع و اتصال‌های داده Vertex AI است.

در حالی که برنامه‌های افزودنی Vertex AI ماژول‌های از پیش ساخته شده با قابلیت استفاده مجدد برای اتصال LLM به یک API یا ابزار خاص هستند، توابع Vertex AI به توسعه‌دهندگان کمک می‌کند مجموعه‌ای از توابع یا API را توصیف کنند و Gemini را به طور هوشمندانه برای یک جستجوی داده شده، API مناسب را انتخاب کند. یا تابع برای فراخوانی، همراه با پارامترهای API مناسب، شرکت گفت.

از سوی دیگر، رابط‌های داده به جذب داده‌ها از برنامه‌های سازمانی و شخص ثالث مانند ServiceNow، Hadoop و Salesforce کمک می‌کنند و برنامه‌های مولد را به سیستم‌های سازمانی که معمولاً مورد استفاده قرار می‌گیرند متصل می‌کنند.