สร้างด้วย Gemini บน Google Cloud

หากคุณเพิ่งเริ่มใช้ Gemini การใช้การเริ่มต้นอย่างรวดเร็วเป็นวิธีที่เร็วที่สุดในการเริ่มต้นใช้งาน

อย่างไรก็ตาม เมื่อโซลูชัน Generative AI ได้รับการพัฒนาแล้ว คุณก็อาจต้องมีแพลตฟอร์มสำหรับการสร้างและทำให้แอปพลิเคชันและโซลูชัน Generative AI ใช้งานได้ตั้งแต่ต้นจนจบ Google Cloud มีระบบนิเวศของเครื่องมือที่ครอบคลุมเพื่อช่วยให้นักพัฒนาซอฟต์แวร์ใช้ประโยชน์จาก Generative AI ได้ตั้งแต่ขั้นแรกของการพัฒนาแอป ไปจนถึงการทำให้แอปใช้งานได้ การโฮสต์แอป และการจัดการข้อมูลที่ซับซ้อนในวงกว้าง

แพลตฟอร์ม Vertex AI ของ Google Cloud มีชุดเครื่องมือ MLOps ที่เพิ่มประสิทธิภาพการใช้งาน การทำให้ใช้งานได้ และการตรวจสอบโมเดล AI เพื่อประสิทธิภาพและความน่าเชื่อถือ นอกจากนี้ การผสานรวมกับฐานข้อมูล, เครื่องมือ DevOps, การบันทึก, การตรวจสอบ และ IAM ก็มีแนวทางแบบองค์รวมในการจัดการวงจรทั้งหมดของ Generative AI

ตารางต่อไปนี้จะสรุปความแตกต่างหลักๆ ระหว่าง AI ของ Google กับ Vertex AI เพื่อช่วยให้คุณตัดสินใจได้ว่าตัวเลือกใดเหมาะกับกรณีการใช้งานของคุณ

ฟีเจอร์ Google AI Gemini API Vertex AI Gemini API ของ Google Cloud
โมเดล Gemini ล่าสุด Gemini Pro และ Gemini Ultra Gemini Pro และ Gemini Ultra
ลงชื่อสมัคร บัญชี Google บัญชี Google Cloud (ที่มีข้อตกลงตามข้อกำหนดและการเรียกเก็บเงิน)
การตรวจสอบสิทธิ์ คีย์ API บัญชีบริการของ Google Cloud
พื้นที่สำหรับอินเทอร์เฟซผู้ใช้ Google AI Studio Vertex AI Studio
API และ SDK Python, Node.js, Android (Kotlin/Java), Swift, Go SDK รองรับ Python, Node.js, Java, Go
รุ่นฟรี ได้ เครดิต Google Cloud มูลค่า $300 สำหรับผู้ใช้ใหม่
โควต้า (คำขอต่อนาที) 60 (ขอเพิ่มได้) เพิ่มขึ้นตามคำขอ (ค่าเริ่มต้น: 60)
การสนับสนุนสำหรับองค์กร ไม่ได้ คีย์การเข้ารหัสของลูกค้า
Virtual Private Cloud
การจัดเก็บข้อมูล
ความโปร่งใสในการเข้าถึง
โครงสร้างพื้นฐานที่รองรับการปรับขนาดสำหรับการโฮสต์แอปพลิเคชัน
ฐานข้อมูลและพื้นที่เก็บข้อมูล
MLOps ไม่ MLOps เต็มรูปแบบใน Vertex AI (ตัวอย่าง: การประเมินโมเดล, การตรวจสอบโมเดล, Model Registry)

หากต้องการดูว่าผลิตภัณฑ์ เฟรมเวิร์ก และเครื่องมือใดเหมาะกับการสร้างแอปพลิเคชัน Generative AI บน Google Cloud ที่สุด โปรดดูสร้างแอปพลิเคชัน Generative AI บน Google Cloud

ย้ายข้อมูลจาก Gemini ใน AI ของ Google ไปยัง Vertex AI

หากแอปพลิเคชันใช้ Gemini API ของ Google AI คุณจะต้องย้ายข้อมูลไปยัง Vertex AI Gemini API ของ Google Cloud

เมื่อคุณย้ายข้อมูล สิ่งที่จะเกิดขึ้นมีดังนี้

Python: ย้ายข้อมูลจาก Google AI Gemini API ไปยัง Vertex AI Gemini API

ส่วนต่อไปนี้จะแสดงข้อมูลโค้ดเพื่อช่วยคุณย้ายข้อมูลโค้ด Python เพื่อใช้ Vertex AI Gemini API

การตั้งค่า Vertex AI Python SDK

คุณไม่จำเป็นต้องใช้คีย์ API สำหรับ Vertex AI แต่ Gemini บน Vertex AI จะจัดการโดยใช้การเข้าถึง IAM ซึ่งควบคุมสิทธิ์สำหรับผู้ใช้ กลุ่ม หรือบัญชีบริการเพื่อเรียกใช้ Gemini API ผ่าน Vertex AI SDK แทน

แม้ว่าจะมีวิธีการตรวจสอบสิทธิ์หลายวิธี แต่วิธีที่ง่ายที่สุดในการตรวจสอบสิทธิ์ในสภาพแวดล้อมการพัฒนาซอฟต์แวร์คือติดตั้ง Google Cloud CLI จากนั้นใช้ข้อมูลเข้าสู่ระบบของผู้ใช้เพื่อลงชื่อเข้าใช้ CLI

หากต้องการเรียกใช้การอนุมานไปยัง Vertex AI คุณต้องตรวจสอบด้วยว่าบัญชีผู้ใช้หรือบัญชีบริการมีบทบาทของผู้ใช้ Vertex AI

ตัวอย่างโค้ดสำหรับติดตั้งไคลเอ็นต์

AI ของ Google Vertex AI 
# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY=""
genai.configure(api_key=API_KEY)
        
# To install the Python SDK, use this CLI command:
# pip install google-cloud-aiplatform

import vertexai
from vertexai.generative_models
          import GenerativeModel, Image

PROJECT_ID = ""
REGION = ""  # e.g. us-central1
vertexai.init(project=PROJECT_ID, location=REGION)

ตัวอย่างโค้ดสำหรับสร้างข้อความจากพรอมต์ข้อความ

AI ของ Google Vertex AI 
model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.

ตัวอย่างโค้ดสำหรับสร้างข้อความจากข้อความและรูปภาพ

AI ของ Google Vertex AI 
import PIL.Image

multimodal_model = GenerativeModel('gemini-1.5-flash')

image = PIL.Image.open('image.jpg')

response = multimodal_model.generate_content(['What is this picture?', image])
print(response.text) # A cat is shown in this picture.
        
multimodal_model = GenerativeModel("gemini-1.5-flash")

image = Image.load_from_file("image.jpg")

response = multimodal_model.generate_content(["What is shown in this image?", image])

print(response.text) # A cat is shown in this picture.

ตัวอย่างโค้ดสำหรับสร้างแชทแบบผลัดกันเล่น

AI ของ Google Vertex AI 
model = GenerativeModel('gemini-1.5-flash')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.5-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)

ลบคีย์ API ที่ไม่ได้ใช้

ถ้าไม่จำเป็นต้องใช้คีย์ Gemini API ของ Google AI อีกต่อไป ให้ทำตามแนวทางปฏิบัติแนะนำด้านความปลอดภัยแล้วลบคีย์ออก

วิธีลบคีย์ API

  1. เปิดหน้าข้อมูลเข้าสู่ระบบ Google Cloud API

  2. ค้นหาคีย์ API ที่ต้องการลบ แล้วคลิกไอคอนการดำเนินการ

  3. เลือกลบคีย์ API

  4. เลือกลบในโมดัลลบข้อมูลเข้าสู่ระบบ

    การลบคีย์ API จะใช้เวลาสักครู่จึงจะมีผล หลังจากการเผยแพร่เสร็จสมบูรณ์ การรับส่งข้อมูลที่ใช้คีย์ API ที่ลบไปแล้วจะถูกปฏิเสธ

ขั้นตอนถัดไป