AI_CLASSIFY¶

Disponibilidade de região¶

A tabela a seguir mostra as regiões em que você pode usar a função AI_CLASSIFY para texto e imagens:

Sintaxe¶

AI_CLASSIFY( <input> , <list_of_categories> [, <config_object>] )

Argumentos¶

Obrigatório:

input

A cadeia de caracteres, imagem ou objeto de prompt que você está classificando.

Para a classificação de texto, a cadeia de caracteres de entrada diferencia maiúsculas de minúsculas. Os resultados podem variar de acordo com a capitalização.

list_of_categories

Uma matriz de categorias com no mínimo um e no máximo 500 valores exclusivos. As categorias diferenciam maiúsculas de minúsculas.

As categorias podem ser cadeias de caracteres simples ou objetos SQL do mesmo tipo. Se estiver usando objetos, você pode fornecer uma descrição para uma ou mais categorias para melhorar a precisão da classificação.

Para cada categoria, especifique o seguinte:

• label (obrigatório): o nome da categoria.

• description (opcional): descreve a categoria em no máximo 25 palavras.

Nota

As descrições contam como tokens de entrada, o que aumenta o custo da operação de classificação. Para obter mais informações, consulte Considerações sobre custo.

Opcional:

config_object

Definições de configuração especificadas como pares de chave/valor. Chaves compatíveis:

• task_description: uma explicação da tarefa de classificação com 50 palavras ou menos. Isso pode ajudar o modelo a entender o contexto da tarefa de classificação e melhorar a precisão.

• output_mode: defina como 'multi' para classificação com vários rótulos. O padrão é 'single' para classificação de rótulo único.

• examples: uma lista de objetos de exemplo para aprendizado de poucos disparos. Cada exemplo deve incluir:

  • input: exemplo de texto para classificar.

  • labels: lista de categorias corretas para a entrada.

  • explanation: explicação do motivo pelo qual a entrada é mapeada para essas categorias.

Retornos¶

Um objeto serializado. O campo labels do objeto é uma matriz que especifica a lista de categorias às quais a entrada pertence.

Para a classificação de rótulo único, a matriz labels tem exatamente um elemento. Para a classificação de vários rótulos, o campo labels pode ter vários elementos.

Se você especificar valores inválidos para os argumentos, a função retornará um erro. Para obter uma lista de possíveis erros, consulte Condições de erro.

Requisitos de controle de acesso¶

Os usuários devem usar uma função que tenha a função de banco de dados SNOWFLAKE.CORTEX_USER. Para obter mais informações sobre esse privilégio, consulte Privilégios obrigatórios.

Notas de uso¶

Para obter os melhores resultados, siga estas diretrizes:

• Use texto simples em inglês para input e list_of_categories.

• Evite incluir trechos de código, logs ou textos que não estejam em inglês.

• Evite usar código ou formatação que não seja de código aberto (como linguagens ou formatos proprietários) no texto. O modelo de linguagem subjacente não é treinado em formatos proprietários.

• Não use abreviações, caracteres especiais ou jargões nos rótulos das categorias.

• Use categorias descritivas. Evite usar nomes de categorias como «Xa4s3» ou «categoria 1».

• Use categorias mutuamente exclusivas.

• Fornecer uma descrição clara da tarefa pode melhorar a precisão quando a relação entre a entrada e as categorias não é clara ou é complexa.

• A inclusão de descrições de rótulos pode aumentar a precisão, especialmente quando os rótulos são ambíguos ou exigem critérios de seleção específicos. Escreva descrições que destaquem claramente o que distingue cada rótulo dos demais.

• Cada rótulo, descrição e exemplo aumenta o número de tokens de entrada para cada chamada a AI_CLASSIFY, o que afeta o custo.

• Exemplos podem ajudar a melhorar a precisão.

Exemplos¶

Os exemplos a seguir usam a função AI_CLASSIFY apenas com os argumentos necessários.

SELECT AI_CLASSIFY('One day I will see the world', ['travel', 'cooking']),

'{
  "labels": ["travel"]
 }';

SELECT AI_CLASSIFY('One day I will see the world and learn to cook my favorite dishes', ['travel', 'cooking', 'reading', 'driving'], {'output_mode': 'multi'}),

'{
  "labels": ["travel", "cooking"]
 }';

SELECT AI_CLASSIFY(
  'One day I will see the world and learn to cook my favorite dishes',
  [
    {'label': 'travel', 'description': 'content related to traveling'},
    {'label': 'cooking'},
    {'label': 'reading'},
    {'label': 'driving'}
  ],
  {
    'task_description': 'Determine topics related to the given text',
    'output_mode': 'multi',
    'examples': [
      {
        'input': 'i love traveling with a good book',
        'labels': ['travel', 'reading'],
        'explanation': 'the text mentions traveling and a good book which relates to reading'
      }
    ]
  }),
  '{
  "labels": ["travel", "cooking"]
}';

'{
  "labels": ["travel", "cooking"]
 }'

CREATE OR REPLACE TEMPORARY TABLE text_classification_table AS
SELECT 'France' AS input, ['North America', 'Europe', 'Asia'] AS classes
UNION ALL
SELECT 'Singapore', ['North America', 'Europe', 'Asia']
UNION ALL
SELECT 'one day I will see the world', ['travel', 'cooking', 'dancing']
UNION ALL
SELECT 'my lobster bisque is second to none', ['travel', 'cooking', 'dancing'];

SELECT input,
    classes,
    AI_CLASSIFY(input, classes):labels AS classification
FROM text_classification_table;

WITH food_pictures AS (
  SELECT
      TO_FILE(file_url) AS img
  FROM DIRECTORY(@file_stage)
)
SELECT
*,
AI_CLASSIFY(img, ['dessert', 'drink', 'main dish', 'side dish']):labels AS classification
FROM food_pictures;

  WITH food_pictures AS (
  SELECT
      TO_FILE(file_url) AS img
  FROM DIRECTORY(@file_stage)
)
SELECT
*,
AI_CLASSIFY(PROMPT('Please help me classify the food within this image {0}', img),
  ['dessert', 'drink', 'main dish', 'side dish']):labels AS classification
FROM food_pictures;

Limitações¶

• As funções do Snowflake AI não são compatíveis com a atualização incremental dinâmica da tabela.

• As funções do Snowflake AI não funcionam em objetos FILE criados a partir de arquivos nos seguintes tipos de estágios:

  • Estágios internos com modo de criptografia TYPE = 'SNOWFLAKE_FULL'

  • Estágios externos com qualquer modo criptografado no lado do cliente:

    • TYPE = 'AWS_CSE'

    • TYPE = 'AZURE_CSE'

  • Estágio do usuário

  • Estágio da tabela

  • Estágio com nomes entre aspas duplas