BigQuery加入AI函式讓開發者在SQL可直接用LLM進行語意分析

Google公開預覽BigQuery託管人工智慧函式，將大型語言模型能力封裝成AI.IF、AI.CLASSIFY與AI.SCORE三個函式，可直接嵌入SQL查詢，讓熟悉SQL的資料團隊不必額外研究提示詞與語言模型，就能在查詢中處理語意問題。

SQL是結構化資料分析的主力工具，但面對評論文字、新聞內文或圖片等非結構化資料，多半得先把資料搬到其他系統，再串接語言模型API與設計提示詞，而現在Google把常見的語意篩選、分類與評分需求整合成BigQuery內建函式，讓寫查詢的人在既有環境中就能呼叫大型語言模型。

在這組函式中，AI.IF負責語意判斷，使用者可用自然語言描述條件，即使文字並未明確提到關鍵字，BigQuery也能過濾出與特定主題相關的新聞或記錄。AI.CLASSIFY用於分類，先提供一組標籤，系統便會將文字或圖片自動歸類，方便後續統計分析，AI.SCORE則替每一列資料評分，依自然語言描述的標準產生分數，可用來排序影評或其他文本內容。

Google在背後針對這些人工智慧函式加入提示詞與查詢計畫的最佳化，例如BigQuery會先執行一般WHERE條件，再呼叫大型語言模型，以減少呼叫次數與執行時間，同時由系統代為選擇模型端點與參數設定，以兼顧成本與結果穩定度。

這組託管人工智慧函式是既有AI.GENERATE等通用Gemini推論函式的補充。常見的語意篩選、分類或評分情境，官方建議優先使用AI.IF、AI.CLASSIFY與AI.SCORE，要是需要更細緻控制提示詞或指定模型，則改用AI.GENERATE家族。Google並預告會把更多運算搬回BigQuery端，在部分情境下帶來大幅效能改善，這些函式也已整合到BigQuery DataFrames並提供Python範例。