Google Cloud Generative AI Leader

B

解釋：
TPU（張量處理單元）和 GPU（圖形處理單元）是這一層的關鍵硅基硬體元件。它們針對機器學習運算進行了專門最佳化，與標準中央處理器（CPU）相比，執行這類運算的效率高得多。

D

解釋：
D 正確，因為 Google Cloud 提供了一套集成工具，尤其是 Pub/Sub、Cloud Storage 和 Cloud SQL，可以有效處理綜合機器學習專案所需的多種資料類型。Google Cloud Pub/Sub 是訊息傳遞服務，可支援即時攝取流式資料，這對於動態資料處理至關重要。Cloud Storage 可讓組織安全地儲存大量非結構化資料，並為機器學習模型提供可擴充且易於存取的儲存。Cloud SQL 提供關系資料庫解決方案，支援結構化資料儲存和 SQL 查詢，非常適合將不同類型的資料整合到統一資料集中進行分析和訓練。其他選項評估：A. BigQuery 雖然是強大的資料分析工具，但主要用於資料查詢和分析，而不是資料收集。它擅長透過類似 SQL 的查詢處理大型資料集，但並不涵蓋初始資料攝取所需的各種元件。B. Gemini 應用程式並不是 Google Cloud 中公認的直接資料收集工具，該選項錯誤描述了產品能力。C. Vertex AI 的確是強大的模型部署和管理平臺，但它並不專注於直接的資料連接或收集，其角色更偏向機器學習生命週期管理，而不是初始資料流。參考資料：https://cloud.google.com/pubsub " target="_blank" style="word-break: break-all;"> https://cloud.google.com/pubsub https://cloud.google.com/storage " target="_blank" style="word-break: break-all;"> https://cloud.google.com/storage https://cloud.google.com/sql " target="_blank" style="word-break: break-all;"> https://cloud.google.com/sql

B

解釋：
B. 安全智能體。安全智能體是專門面向網路安全用例設計的生成式 AI 智能體，可用於：總結案例或事件資訊；研究威脅情報；輔助檢測和回應；建立檢測規則和行動手冊。

A

解釋：
A. Document AI API 最適合用於自動從貸款申請中提取關鍵資料。Document AI API 專門解決從掃描文檔和 PDF 中解析及提取資料的挑戰。它使用針對文檔理解最佳化的機器學習模型，可提高結構化資訊提取的準確性和效率，從而顯著加快處理速度並減少操作錯誤。此外，其可定製能力可以適應不同的文檔版式，這對於格式多樣的貸款申請非常重要。其他選項評估：B. Natural Language API：該 API 擅長理解和處理自然語言，但並非為直接從文檔中提取資料而設計。其能力主要集中在文本分析、情感檢測和實體識別，而不是理解文檔版式和從掃描格式中提取結構化資料。C. Vision AI：主要用於圖像分析，包括對象識別和透過 OCR（光學字元識別）進行文本識別。雖然它可以提取文本，但缺少理解複雜、多變文檔結構所需的專門處理能力，因此在貸款申請處理方面不如 Document AI。D. Dataflow：它非常適合資料處理和轉換，但並不針對文檔分析，因此無法勝任從版式變化較大的 PDF 和掃描文檔中提取資料這一特定任務。總之，Document AI API 的獨特能力與公司從複雜文檔格式中自動提取資料的目標直接吻合，可同時提高準確性和效率。參考資料：https://cloud.google.com/document-ai/docs https://cloud.google.com/natural-language/docs https://cloud.google.com/vision/docs

C

解釋：
Security Command Center 是 Google Cloud 的集中式安全管理平臺，可提供完整的安全態勢視圖、檢測漏洞和錯誤設定及威脅、監控生成式 AI 部署和其他雲資源，並幫助團隊在整個環境中確定風險優先級並作出回應。其他選項不正確：Identity and Access Management 管理使用者權限，而不是整體安全狀況；工作負載監控工具側重效能，而不是安全洞察；Secure-Py-design infrastructure 並不是公認的 Google Cloud 產品。