Databricks推出基于基础模型的AI SQL功能

Databricks通过其创新的AI SQL功能，正在颠覆数据分析领域，这些功能由基础模型提供支持。这些工具无缝融入您现有的数据工作流程，使在SQL查询中直接进行AI驱动的分析变得前所未有地简单。这意味着您可以告别复杂的API集成带来的麻烦，迎接更简化的数据分析方式。本文探讨了这些新功能如何改变您处理数据的方式。

关键要点

• Databricks推出由基础模型驱动的AI SQL功能。
• 这些功能包括情感分析、分类、文本提取和语法纠正等能力。
• AI模型集成到Databricks中，无需外部API调用。
• 这些功能按按需付费的令牌计费方式提供，成本效益高。
• 功能可用性受限于特定Databricks区域。
• AI提取功能支持灵活的信息提取。
• AI语法纠正功能提升文本的语法质量。

Databricks AI SQL功能：基础模型的应用

了解Databricks AI SQL新功能

Databricks推出了一套AI SQL功能，将AI直接融入SQL查询，简化了数据分析师和工程师的流程。这些功能利用了在海量数据集上训练的大型语言模型（基础模型）的强大能力。通常，像ChatGPT这样的模型托管在外部，需要复杂的API集成。Databricks通过将这些模型直接嵌入其平台，改变了这一现状，使AI更易于访问和高效。Databricks提供现成的模型，省去了每个公司构建自己的Web服务调用的麻烦，节省了时间和资源。

虽然这些功能使AI集成更简单，但成本问题需要考虑。它们按令牌计费，因此战略性实施是有效管理费用的关键。此外，这些功能尚未在所有Databricks区域可用，目前仅限于美国中部、美国东部、美国东部2和美国中北部等区域。这可能会影响您的工作空间和项目规划。

核心AI SQL功能：情感分析、分类等

Databricks提供了多种核心AI SQL功能，丰富了数据分析：

• AI情感分析： 判断文本中的情感（积极、消极或中立），非常适合理解客户反馈和社交媒体趋势。
• AI分类： 将文本分类到预定义类别中，例如按主题或产品对客户咨询进行分类。
• AI提取： 从非结构化文本中提取特定信息，如姓名或电子邮件地址，将原始文本转为结构化数据，非常适合创建详细模型。



• AI语法纠正： 纠正文本中的语法错误，适用于清理用户生成内容或确保专业沟通。
• AI掩码： 通过掩盖文本中的敏感信息来保护隐私，有助于遵守数据安全法规。
• AI总结： 为长文档或文章创建简洁摘要，非常适合快速提取关键信息。
• AI翻译： 在不同语言之间翻译文本，扩展了跨不同来源的数据分析能力。
• AI相似性： 计算记录之间的相似性得分，实现更精细的数据分析。

使用Databricks基础模型API导航AI SQL功能

下表列出了由Databricks基础模型API支持的AI SQL功能：

实际应用：现实世界的用例

这些AI SQL功能开启了一系列实际应用：

• 分析客户评论： 自动评估客户评论中的情感，以确定改进领域并衡量客户满意度。



• 自动化数据质量检查： 使用AI语法纠正清理数据，结合AI总结提高效率。
• 简化文档处理： 从法律文件、合同或研究论文中提取关键信息，用提取的数据（如姓名和地址）填充其他数据集。

通过允许AI功能直接在SQL中运行，数据工作流程变得显著更简化。

测试AI SQL功能：Databricks中的演示

Databricks提供了这些功能实际应用的引人注目的演示：

• 情感分析： 通过简单的SQL查询，您可以分析文本情感：
SELECT ai_analyze_sentiment('我是一个快乐的小伙子');
• 数据清理： 查询不同数据点以分析客户评论并执行各种检查，使数据清理更有效。
• 使用公共表表达式（CTE）存储数据，您可以分析不同用户的情感并执行各种分析。
• 切换到AI语法纠正可以帮助纠正常见的语法问题。

使用基础模型的可用性和前提条件

要有效使用基础模型，必须满足某些要求：

• AI功能仅在支持按令牌计费的基础模型API的工作空间中可用。
• 此功能在Azure Databricks SQL Classic上不可用。

最大化Databricks AI SQL功能潜力的技巧

战略整合

仔细规划如何将这些AI功能整合到您的数据管道中。确定AI洞察力能带来最大价值的领域并自动化重复性任务。在能提供最大效益的地方使用这些功能。

成本优化

密切关注您的令牌消耗以优化成本。评估当前支出并探索其他AI选项以增强功能，同时评估AI驱动洞察与成本之间的权衡。

保持更新

Databricks不断改进其AI能力。保持了解新功能、区域可用性和价格变化，以充分利用这一变革性技术。持续学习和实验以增强您的工作流程。

Databricks AI SQL功能的优缺点

优点

• 在SQL工作流程中简化AI整合
• 访问强大的基础模型
• 与外部API整合相比复杂性降低
• 潜在的成本效益高的AI解决方案（按令牌计费）
• 自动化数据质量检查

缺点

• 成本管理（按令牌计费使用）
• 区域可用性有限
• 对Databricks平台的依赖
• 潜在的供应商锁定
• 特定的工作空间和配置要求

常见问题

什么是Databricks AI SQL功能？

Databricks AI SQL功能是一套工具，允许您在SQL查询中直接利用AI模型。这些功能由基础模型提供支持，提供情感分析、文本分类等能力。

AI提取和AI语法纠正功能是什么类型？

AI提取功能支持术语提取和文档解析，以提取特定信息，如电子邮件或姓名。AI语法纠正功能纠正文本中的语法错误。

这些AI功能的定价如何运作？

定价基于按令牌计费模型。令牌使用量取决于查询的复杂性和输入文本的大小。有关详细定价信息，请参阅Databricks文档。

Databricks AI SQL功能在哪些区域可用？

目前，这些功能在美国中部、美国东部、美国东部2和美国中北部等特定区域可用。请始终查阅最新的Databricks文档以获取最新的区域支持信息。

相关问题

在Databricks中进行情感分析的替代方案是什么？

在Databricks SQL功能之前，企业有几种选择。一种是使用自己的数据从头构建模型以创建自定义分类引擎。另一种是使用Web服务调用，这需要设置单独的订阅，可能会使组织面临数据泄露或其他问题。