Cortex AI 関数は、SQL をマルチモーダルデータ向けの AI クエリ言語として再定義し、強力な AI 機能を Snowflake の SQL エンジンに直接組み込みます。Google、OpenAI、Anthropic、Meta などの業界をリードする LLM を使用して、使い慣れた SQL コマンドでテキスト、画像、音声にわたるスケーラブルな AI パイプラインを構築できます。 新しい FILE データ型によるマルチモーダルデータのネイティブサポートにより、Cortex AI 関数は AI_FILTER やAI_AGGREGATE などの AI オペレーターと従来の SQL をシームレスに統合し、アナリストがエンタープライズグレードのセキュリティとガバナンスを維持しながら、多様なデータタイプをより効率的かつコスト効率よく処理できるようにします。

Cortex AI 関数は、構造化データと非構造化データ分析の間の従来の壁を取り払い、別々のツールや専門的なスキルの必要性を排除します。

主な3つのメリット：

セットアップ不要で単一プラットフォームにすべてのデータタイプを統合することで、Cortex AI 関数は企業全体で AI を活用した分析を民主化します。

Cortex AI 関数は、多様なデータタイプを扱うあらゆる業界の組織に恩恵をもたらします：

ビジネスアナリストは AI の専門知識なしでインサイトを抽出でき、データエンジニアはよりシンプルなパイプラインを構築でき、データサイエンティストはより豊富な特徴量セットを作成できます - すべて使い慣れた SQL を使用して。

Cortex AI 関数の強力なオペレーターを使用して、自然言語で Snowflake 内のマルチモーダルデータを分析する方法を学びます。

テキスト、画像、音声ファイルにわたるマルチモーダルデータで Cortex AI 関数を使い始めるための Snowflake Notebook

ステップ 1. Snowsight でSQLワークシートを作成し、setup.sqlを開いて、すべてのステートメントを上から順に実行します。

ステップ 2. サンプルの画像ファイルをダウンロードし、Snowsight >> Data >> Add Data >> Load files into a Stageを使用して、ステップ1で作成したDASH_DB.DASH_SCHEMA.DASH_IMAGE_FILESステージにアップロードします。

ステップ 3. サンプルの音声ファイルをダウンロードし、Snowsight >> Data >> Add Data >> Load files into a Stageを使用して、ステップ1で作成したDASH_DB.DASH_SCHEMA.DASH_AUDIO_FILESステージにアップロードします。

ステップ 4. Snowsight でSQLワークシートを作成し、images.sqlを開いて、すべてのステートメントを上から順に実行してIMAGESテーブルを作成します。

ステップ 5. Snowsight でSQLワークシートを作成し、audio.sqlを開いて、すべてのステートメントを上から順に実行してVOICEMAILSテーブルを作成します。

ステップ 6. cortex_ai_functions.ipynbをクリックして、GitHubからNotebookをダウンロードします。（注意：右クリックでダウンロードしないでください。）

ステップ 7. Snowsightで：

ステップ 8. Notebookを開く

以下は、ダウンロードしてSnowflakeアカウントにインポートしたcortex_ai_functions.ipynb Notebookのコードウォークスルーです。

ステータスがStartingからActiveに変わったら、すべてのセルを上から順に実行します。

Notebookのセルを実行するために必要なライブラリをインポートします。

AI_COMPLETE()とAI_TRANSCRIBE()を使用して、テキスト、画像、音声データにわたる顧客の問題を特定し、SQLオペレーターがすべてのモダリティでシームレスに機能する様子を確認します。

ネイティブ FILE データ型により、すべてのデータ形式を1つのテーブルに統合できることに注目してください。

JOIN ... ON AI_FILTER()を使用して、顧客の問題と既存のソリューションをセマンティックに「結合」します。

AI_AGG()を使用して、複数行にわたる集約されたインサイトを取得します。

AI_CLASSIFY()を使用して、下流のアプリケーションで使用できるラベルを分類します。例えば、MLモデルのトレーニングに使用できます。

==================================================================================================

Preview_Dataセルの統合データの一部として Notebook 内に画像を表示したい場合は、以下の手順に従ってください。

ステップ 1. SQL ワークシートで、以下のステートメントを実行して、サンプル Python ファイルを保存するためのSnowflake マネージド内部ステージを作成します。

ステップ 2. Snowsightを使用して、snowbooks_extras.pyをDASH_DB.DASH_SCHEMA.DASH_PY_FILESステージにアップロードします。

ステップ 3. 既存のcortex_ai_functions.ipynb Notebook を再度開き、右上のPackages >> State Packagesをクリックして、@DASH_DB.DASH_SCHEMA.DASH_PY_FILES/snowbooks_extras.pyを入力し、Importをクリックします。

ステップ 4. セッションがActiveの場合は、クリックして現在のセッションを終了します。それ以外の場合は、Startをクリックして新しいセッションを開始します。これにより、パッケージリストも更新され、カスタムパッケージsnowbooks_extrasが含まれます。

ステップ 5. Import_Librariesのライブラリリストにimport snowbooks_extrasを追加し、セルを実行します。

ステップ 6. Preview_Dataセルを実行すると、以下のようにINPUT_FILE列に画像が表示されます。

おめでとうございます！マルチモーダルデータでCortex AI 関数を使い始めるための Snowflake Notebook を正常に作成しました。

Cortex AI 関数の強力なオペレーターを使用して、自然言語で Snowflake 内のマルチモーダルデータを分析する方法を学びました。