DatabricksのAI関数

プレビュー

この記事では、SQL から直接データに AI を適用できる組み込み SQL 関数である Databricks AI関数について説明します。

SQL は、その汎用性、効率性、広く使用されているため、データ分析にとって非常に重要です。そのシンプルさにより、大規模なデータセットの迅速な取得、操作、管理が可能になります。 SQLにAI関数を組み込んでデータ分析を行うことで効率が向上し、企業は迅速に知見を抽出できるようになります。

AI を分析ワークフローに統合することで、アナリストは以前はアクセスできなかった情報にアクセスできるようになり、より多くの情報に基づいた意思決定を行い、リスクを管理し、データドリブンのイノベーションと効率を通じて競争上の優位性を維持できるようになります。

Databricks 基盤モデルAPIを使用した AI関数

注：

Databricks Runtime 15.1 以降では、これらの関数は、Databricks ワークフローでタスクとして実行されるノートブックを含む、Databricks ノートブックでサポートされます。
これらの機能は、Meta-Llama-3.1-70B-Instructによって駆動されますチャットタスク用、 GTE Large (英語) 埋め込みタスク用。これらのモデルは 、米国およびEU地域に限定されています。「AI と機械学習機能の可用性」を参照してください。

これらの関数は、Databricks 基盤モデルAPIから最先端の生成AIモデルを呼び出し、感情分析、分類、翻訳などのタスクを実行します。AI 関数を使用して顧客レビューを分析するを参照してください。

ai_query

注：

Databricks Runtime 14.2 以降では、この関数は、Databricks ワークフローでタスクとして実行されるノートブックを含む、Databricks ノートブックでサポートされます。
Databricks Runtime 14.1 以下では、この関数は Databricks ノートブックでサポートされていません。

ai_query()関数を使用すると、Mosaic AI Model Servingを使用して提供される機械学習モデルと大規模言語モデルをクエリできます。これを行うには、この関数は既存のMosaic AI Model Servingエンドポイントを呼び出し、その応答を解析して返します。 ai_query() を使用すると、カスタムモデル、基盤モデルAPIを使用して利用可能になった基盤モデル、および外部モデルを提供するエンドポイントをクエリできます。

vector_search

vector_search()関数を使用すると、SQL を使用してMosaic AI Vector Searchインデックスを検索およびクエリできます。

詳細については、 vector_search 関数を参照してください。

ai_forecast

ai_forecast()関数は、時系列データを将来に外挿するように設計されたテーブル値関数です。最も一般的な形式では、 ai_forecast() はグループ化されたデータ、多変量データ、または混合粒度のデータを受け入れ、そのデータを将来のある期間まで予測します。

重要

この機能はパブリックプレビュー段階です。プレビューに参加するには、Databricks アカウントチームにお問い合わせください。

詳細についてはAI機能を参照してください。