Azure Databricks 上的 AI 函式
重要
這項功能處於公開預覽狀態。
本文說明 Azure Databricks AI 函式，這是一種內建的 SQL 函式，可讓您直接透過 SQL 對您的資料套用 AI。
SQL 因其多功能性、高效性和廣泛使用而對資料分析至關重要。 其簡單性使得能夠快速擷取、操作及管理大型資料集。 將 AI 函式併入 SQL 以進行資料分析可提升效率，讓企業能夠快速擷取深入解析。
將 AI 整合到分析工作流程可為分析員提供先前無法存取的資訊的存取權，並讓他們透過資料驅動型創新和效率，做出更明智的決策，管理風險並維持競爭優勢。
使用 Databricks Foundation Model API 的 AI 函式
注意
- 在 Databricks Runtime 15.1 和更新版本中，Databricks 筆記本支援這些函式，包括在 Databricks 工作流程中作為任務執行的筆記本。
- 這些函式由 Meta-Llama-3.1-70B-指示 來提供聊天工作，以及 內嵌工作的 GTE 大型（英文） 功能。 這些模型僅限於 美國和歐盟區域。 請參閱 AI 和機器學習。
這些函式可從 Databricks Foundation Model API 中叫用最先進的生成式 AI 模型，以執行諸如情感分析、分類和翻譯等任務。 請參閱使用 AI 函式分析客戶評論。
- ai_analyze_sentiment
- ai_classify
- ai_extract
- ai_fix_grammar
- ai_gen
- ai_mask
- ai_similarity
- ai_summarize
- ai_translate
ai_query
注意
- 在 Databricks Runtime 14.2 和更新版本中，Databricks 筆記本支援此函式，包括在 Databricks 工作流程中作為任務執行的筆記本。
- 在 Databricks Runtime 14.1 和更低版本中，Databricks 筆記本不支援此函式。
ai_query() 函式可讓您查詢使用 Mosaic AI Model Serving 所提供的機器學習模型和大型語言模型。 為此，此函式會叫用現有的 Mosaic AI Model Serving 端點並剖析及傳回其回覆。 您可以使用 ai_query() 來查詢提供自訂模型的端點、使用基礎模型 API 提供的基礎模型以及外部模型。
- ai_query 函式。
- 使用 ai_query 查詢已部署的模型。
- 使用 ai_query查詢外部模型。
針對擁有超過 100 個資料列的使用案例，Databricks 建議使用 ai_query 和已配置的吞吐量端點。 請參閱 使用 ai_query執行批次 LLM 推論。
vector_search
vector_search() 函式可讓您使用 SQL 搜尋和查詢 Mosaic AI Vector Search 索引。
如需詳細資訊，請參閱 vector_search 函式。
ai_forecast
ai_forecast() 函式是 table值函式， 旨在將時間序列數據外推到未來。
ai_forecast() 以最一般的形式接受分組、多元或混合精細度資料，並預測未來某個時間範圍的資料。
重要
這項功能為公開預覽階段。 請連絡 Databricks 客戶團隊以參與預覽版。
如需詳細資訊，請參閱 ai_forecast 函式。