Azure Databricks の AI 関数
重要
この機能はパブリック プレビュー段階にあります。
この記事では、SQL からデータに直接 AI を適用できるようにする組み込みの SQL 関数である Azure Databricks AI 関数について説明します。
SQL は、その多様性、効率性、広範な用途のために、データ分析に不可欠です。 単純であることにより、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。 データ分析のために AI 機能を SQL に組み込むと、効率が向上し、企業が分析情報を迅速に抽出できるようになります。
分析ワークフローに AI を統合することで、アナリストが以前はアクセスできなかった情報にアクセスでき、データドリブン イノベーションと効率性を通じて、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、競争上の優位性を維持することができます。
Databricks Foundation Model API を使用する AI 関数
Note
- Databricks Runtime 15.1 以降では、これらの機能は、Databricks ワークフローのタスクとして実行されるノートブックなどの Databricks ノートブックでサポートされています。
- これらの関数は、Meta-Llama-3.1-70B-Instruct を使用してチャット タスクに、GTE Large (英語) を使用してタスクを埋め込みます。 これらのモデルは、米国および EU リージョンに 限定されます。 AI と機械学習を参照してください。
これらの関数は、Databricks Foundation Model API から最先端の生成 AI モデルを呼び出して、感情分析、分類、翻訳などの AI タスクを実行します。 「AI 機能を使用した顧客レビューの分析」を参照してください。
- ai_analyze_sentiment
- ai_classify
- ai_extract
- ai_fix_grammar
- ai_gen
- ai_mask
- ai_similarity
- ai_summarize
- ai_translate
ai_query
Note
- Databricks Runtime 14.2 以降では、この機能は Databricks ワークフローのタスクとして実行されるノートブックなどの Databricks ノートブックでサポートされています。
- Databricks Runtime 14.1 以下の場合、この関数は Databricks ノートブックでは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にクエリを実行できます。 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() を使用することで、カスタム モデルを提供するエンドポイント、Foundation Model API を使用して使用可能にした基盤モデル、および外部モデルに対してクエリを実行できます。
- ai_query 関数。
- ai_query() を使用して、提供されたモデルにクエリを実行します。
- ai_query() を使用して外部モデルにクエリを実行する。
- ai_queryを使用してバッチ推論を実行します。
vector_search
vector_search() 関数を使用すると、SQL を使用してモザイク AI ベクター検索インデックスを検索してクエリを実行できます。
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推定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、多変量、または混合細分性データを受け入れ、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場合は、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_forecast関数」を参照してください。