Les fonctions d'IA sont un ensemble de fonctions prédéfinies dans MaxCompute dédiées aux cas d'utilisation liés à l'intelligence artificielle. Elles encapsulent des opérations complexes d'inférence de modèle dans des opérateurs SQL ou Python concis. Utilisez ces fonctions pour appeler directement des grands modèles ou des modèles de machine learning depuis du SQL standard ou MaxFrame (un moteur Python distribué), sans écrire de code d'invocation de modèle bas niveau. Cela réduit considérablement la barrière à l'entrée pour l'utilisation de l'IA dans le traitement des données et l'analyse du big data.
Cas d'utilisation
Les grands modèles ont considérablement amélioré leur capacité à comprendre les données, ce qui leur permet d'extraire des informations sémantiques précises à partir de données multimodales, telles que des données structurées, textuelles et non structurées. Grâce à leurs capacités de suivi d'instructions, ces modèles peuvent transformer les informations sémantiques en données normalisées, permettant ainsi des opérations d'algèbre relationnelle. Cela rend possibles les requêtes et le traitement unifiés des données structurées et non structurées au sein d'une plateforme de big data.
À mesure que les cas d'utilisation se multiplient, la demande pour un calcul unifié au sein des plateformes de big data augmente. MaxCompute répond à cette demande en proposant plusieurs moteurs de calcul, tels que MaxFrame (Python) et SQL. Combinées aux fonctions d'IA, les capacités de MaxCompute offrent aux utilisateurs une approche plus accessible de l'IA. Cela améliore la capacité et la qualité de l'analyse et du calcul des données dans divers scénarios, notamment le traitement des données multimodales, la génération de contenu, l'extraction d'informations ainsi que l'analyse d'images et de textes. Parmi les cas d'utilisation typiques, on retrouve :
Prétraitement des données pour le pré-entraînement des grands modèles : Le traitement des données web pour le pré-entraînement des grands modèles nécessite de grands modèles de langage (LLM) à faibles paramètres et finement ajustés pour effectuer des tâches telles que le calcul des scores de qualité du texte, le filtrage et la classification du texte.
Compréhension du contenu multimodal : Le traitement des vidéos et des images dans les domaines traditionnels du e-commerce et émergents de la conduite autonome requiert des modèles multimodaux pour des tâches telles que la détection d'objets, l'étiquetage d'images et la classification.
Contrôle des risques intelligent : Dans les scénarios de contrôle des risques intelligents, utilisez des LLM à faibles paramètres et finement ajustés pour des tâches telles que la classification du comportement des utilisateurs et les alertes de risque.
Avantages
Développement low-code : Démarrez rapidement. Effectuez l'inférence de modèle avec un simple appel de fonction, sans avoir à déployer de services de modèle ni à écrire une logique d'inférence complexe. Cela raccourcit considérablement le cycle de développement et abaisse la barrière à la construction d'applications d'IA.
Intégration transparente : Les fonctions d'IA s'intègrent parfaitement aux objets de modèle MaxCompute, aux ressources de calcul et au système d'autorisations, simplifiant ainsi leur adoption.
Prise en charge unifiée de plusieurs moteurs : MaxCompute fournit des fonctionnalités de fonctions d'IA unifiées sur ses moteurs SQL et MaxFrame. Cela permet aux analystes de données d'utiliser le SQL, qu'ils maîtrisent, pour appeler des modèles d'IA puissants, tandis que les data scientists peuvent tirer parti de la puissance de calcul Python distribuée de MaxFrame pour améliorer la capacité et la qualité de leur prétraitement des données.
Fonctions d'IA
Fonctions d'IA SQL
MaxCompute propose des fonctions d'IA SQL qui vous permettent d'exécuter l'inférence de modèle en spécifiant des objets de modèle MaxCompute. Les modèles pris en charge incluent les grands modèles linguistiques publics intégrés, les modèles importés par l'utilisateur et les modèles distants de PAI-EAS. Pour plus d'informations, consultez Types de modèle.
-
Le tableau suivant décrit les fonctions d'IA SQL prises en charge par MaxCompute.
Fonction
Description
Types de modèle pris en charge
Extrait la chaîne d'étiquette correspondant le mieux au contenu d'entrée à partir d'un ensemble donné d'étiquettes.
Prend en charge les modèles de la liste des modèles publics, à l'exclusion de
text-embedding-v4et deQwen3-VL-8B-Instruct.Convertit les données texte/image en vecteurs.
Prend en charge les modèles
Qwen3-Embedding-0,6B-Q8_0,text-embedding-v4etqwen3-vl-embeddingde la liste des modèles publics.Extrait les informations spécifiées à partir des données textuelles fournies.
Prend en charge les modèles de la liste des modèles publics, à l'exclusion de
text-embedding-v4et deQwen3-VL-8B-Instruct.Génère du texte en langage naturel. Cette fonction prend en charge le raisonnement logique complexe, les tâches multimodales et le traitement des données non structurées.
Prend en charge les modèles publics et les modèles distants, à l'exclusion de
Qwen3-VL-8B-Instruct.Effectue une analyse des sentiments sur le texte d'entrée.
Prend en charge les modèles de la liste des modèles publics, à l'exclusion de
text-embedding-v4et deQwen3-VL-8B-Instruct.Détermine la similarité textuelle et sémantique entre deux textes. Elle renvoie un nombre à virgule flottante compris entre 0 et 1 ; une valeur plus élevée indique une similarité sémantique plus forte.
Prend en charge les modèles de la liste des modèles publics, à l'exclusion de
text-embedding-v4et deQwen3-VL-8B-Instruct.Génère un résumé pour un texte donné.
Prend en charge les modèles de la liste des modèles publics, à l'exclusion de
text-embedding-v4et deQwen3-VL-8B-Instruct.Traduit le texte d'entrée dans une langue spécifiée.
Prend en charge les modèles de la liste des modèles publics, à l'exclusion de
text-embedding-v4et deQwen3-VL-8B-Instruct.Effectue des prédictions sur des données structurées. Cela est courant dans les tâches traditionnelles de machine learning telles que la classification et la régression.
BOOSTED_TREE_REGRESSOR
BOOSTED_TREE_CLASSIFIER
Facturation des fonctions d'IA SQL
Lorsque vous utilisez une fonction d'IA SQL pour appeler un modèle :
Si vous utilisez des ressources de calcul standard par abonnement (également appelées quota d'UC par abonnement), la tâche consomme votre quota d'UC.
Si vous utilisez des ressources de calcul standard à la demande (également appelées quota d'UC à la demande), la facturation est basée sur la quantité de données analysées par la tâche SQL, et aucun frais de calcul d'UC séparé n'est encouru.
Fonctions d'IA MaxFrame
La fonction d'IA MaxFrame fournit une interface generate flexible et polyvalente, ainsi que des interfaces task concises et adaptées à des scénarios spécifiques (comme la traduction de texte, l'extraction structurée et l'embedding). Sélectionnez un modèle et fournissez une table MaxCompute et des invites en entrée.
Lorsque vous appelez une interface, MaxFrame commence par fragmenter les données de la table. Définissez un niveau de concurrence en fonction de la taille des données et démarrez un groupe de workers. Chaque worker rend les invites à partir des lignes de données d'entrée en utilisant votre modèle d'invite et exécute l'inférence du modèle. Les résultats, y compris le statut de réussite, sont ensuite réécrits dans une table MaxCompute.
La figure suivante illustre l'architecture globale et le flux de travail :
MaxCompute propose également des fonctions d'IA basées sur Python via MaxFrame.
L'appel consomme des ressources CPU ou GPU selon le type de ressource requis. Pour plus d'informations, consultez Fonctions d'IA MaxFrame.
Tutoriels
Pour plus de tutoriels sur l'utilisation des modèles MaxCompute et des fonctions d'IA, consultez les rubriques suivantes :