۲۹ شهریور ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

Google پشتیبانی Gemini LLM را به انبار داده BigQuery ارائه می‌کند

به‌روزرسانی BigQuery آماده‌سازی داده‌ها برای هوش مصنوعی با پردازش گفتار به متن و سند را آسان‌تر می‌کند.

به‌روزرسانی BigQuery آماده‌سازی داده‌ها برای هوش مصنوعی با پردازش گفتار به متن و سند را آسان‌تر می‌کند.

Google در حال ادغام مدل زبان بزرگ Gemini 1.0 Pro با هوش مصنوعی و پلتفرم یادگیری ماشینی خود است، Vertex AI، برای کمک به شرکت‌ها برای باز کردن قابلیت‌های جدید مدل های زبان بزرگ (LLM)، از جمله تجزیه و تحلیل متن، تصویر و ویدیو.

API Gemini< /a>، که به طور کلی در دسترس قرار گرفته است، می‌تواند در انبار داده Google نیز استفاده شود، BigQuery، برای توسعه برنامه های کاربردی تحلیلی مبتنی بر هوش مصنوعی.

«مدل Gemini 1.0 Pro برای مقیاس ورودی-خروجی بالاتر و کیفیت نتیجه بهتر در طیف وسیعی از وظایف مانند خلاصه کردن متن و تجزیه و تحلیل احساسات طراحی شده است. اکنون می‌توانید با استفاده از دستورات ساده SQL یا DataFrame API از داخل کنسول BigQuery.

انتظار می‌رود که شرکت را یکپارچه کند نسخه ویژن مدل Gemini Pro در ماه های آینده.

علاوه بر این، Google در حال گسترش پردازش اسناد و Speech-to-text API های BigQuery برای کمک به شرکت ها در تجزیه و تحلیل داده های بدون ساختار، مانند به عنوان اسناد و صدا.

در اوایل این ماه، این شرکت پیش‌نمایش جستجوی برداری BigQuery، که در صورت ادغام با Vertex AI می تواند جستجوی شباهت برداری در داده های داخل BigQuery را همراه با ویژگی های دیگری مانند بازیابی نسل افزوده (RAG)، خوشه بندی و خلاصه سازی متن.

هیون پارک، تحلیلگر اصلی Amalgam Insights، پشتیبانی از RAG را این روزها به عنوان سهامی برای فروشندگان انبار داده می بیند.

پارک گفت: “بازیابی نسل افزوده قابلیتی است که هر انبار داده باید از آن پشتیبانی کند، زیرا به دسترسی به داده ها از منبع شخص ثالث زمانی که کسی سوالی می پرسد اشاره دارد.” به عنوان مثال، اگر کسی یک سوال HR بپرسد، RAG همچنین از سیستم منابع انسانی کارمند داده‌های مرتبط و جاری را می‌پرسد تا این سوال را زمینه‌ای کند. قابلیت مربوطه در اینجا دسترسی به به‌روزرسانی بی‌درنگ یک جدول یا منبع داده خاص است، وقتی کسی سؤالی از یک LLM می‌پرسد.”

شرکت‌های دیگر نیز در مسیری مشابه حرکت می‌کنند. استیون دیکنز، نایب رئیس و سرپرست تمرین در The Futurum Group، گفت که نیروهای مستقر در انبار مانند Teradata و Cloudera نیز در کنار بازیکنانی مانند Oracle و Elastic قابلیت‌های برداری را اضافه می‌کنند.

مطالب مرتبط: