MongoDB интегрира Atlas Vector Search с Amazon Bedrock на AWS, за да стимулира генериращите AI модели
Накратко
Интеграцията на Atlas Vector Search на MongoDB с Amazon Bedrock на AWS има за цел да ускори разработването на приложения, захранвани от генериращ AI.
В AWS re:Invent 2023, базирана в облак база данни MongoDB обяви плановете си за интегриране MongoDB Atlas Vector Search с Amazon Bedrock, за да подпомогне разработването на AI приложения в Amazon Web Services (AWS), използвайки известната си облачна инфраструктура.
Сътрудничеството има за цел да рационализира включването на генериращ изкуствен интелект и възможности за семантично търсене, като подобри изживяването и ангажираността на потребителите.
MongoDB Atlas Vector Search използва оперативни данни, за да интегрира генеративен AI в приложения, предоставяйки персонализирани изживявания на крайния потребител. Интеграцията с Amazon Bedrock е готова да даде възможност на разработчиците, опростявайки създаването на AWS приложения използване на генериращ AI за разнообразни случаи на употреба.
Това ще позволи на приложенията да предоставят актуални отговори въз основа на собствени данни, обработени от MongoDB Atlas Vector Search.
За разлика от допълнителните решения, които съхраняват единствено векторни данни, MongoDB Atlas Vector Search функционира като ефективна и мащабируема векторна база данни. Той се интегрира с глобално разпределена оперативна база данни, способна да съхранява и обработва целия набор от данни на организацията.
Чрез интеграцията с Amazon Bedrock, клиентите получават възможността да персонализират фундаментални модели (FM) частно, като си сътрудничат с AI21 Labs, Amazon, Антропен, Cohere, Meta и Stability AI. Процесът включва включване на собствени данни, преобразуването им във векторни вграждания и използване на MongoDB Atlas Vector Search за обработка на тези вграждания.
„Въпреки че MongoDB Atlas Vector Search може да работи с много видове фундаментални модели (FM) от доставчици като OpenAI, Hugging Face, Microsoft Azure, Google Cloud, Anthropic и други — Amazon Bedrock предоставя избор от високопроизводителни, управлявани FM, които разработчиците могат да използват за конвертиране на собствени данни (изображения, текст, видео и др.) във вектори, така че FM да харесват големи езиковите модели могат да ги обработват и да предоставят отговори на заявки на крайни потребители“, каза Андрю Дейвидсън, старши вицепрезидент на продукта в MongoDB Metaverse Post.
Turbocharging Generative AI приложения с векторно търсене
MongoDB каза, че получените приложения, използващи агенти за разширено генериране на извличане (RAG) на Amazon Bedrock — ще могат да отговарят на потребителски заявки с подходяща и контекстуализирана информация без ръчно кодиране.
„Подсиленото генериране на извличане (RAG) вече е общ архитектурен модел, при който организациите могат да предоставят собствени данни на моделите на основата (FM), за да персонализират отговорите на заявките на крайните потребители, така че да са по-персонализирани, точни и подходящи“, каза Дейвидсън от MongoDB Metaverse Post. „Това намалява така наречените халюцинации, към които FM могат да бъдат склонни, и предоставя на крайните потребители по-надеждни отговори.“
Например, организация за търговия на дребно с облекло може да разработи a генеративен AI приложение за автоматизиране на задачи като обработка на заявки за инвентаризация в реално време или персонализиране на връщания и обмени на клиенти чрез предлагане на подобни стоки в наличност.
„Чрез предоставяне на базови модели (FM) с контекст от собствените данни на организацията, обработени от MongoDB Atlas Vector Search, крайните потребители могат да получат по-персонализирани и точни отговори на своите заявки“, каза Дейвидсън от MongoDB Metaverse Post. „Тъй като векторите се съхраняват заедно с метаданни, оперативни данни, данни от времеви редове, геопространствени данни и други типове данни, Atlas Vector Search може да изпълнява по-сложни заявки от базите данни с болтове за вектори чрез един API и език за заявки.“
Организациите също ще могат да разположат MongoDB Atlas в основните доставчици на облак едновременно за максимална достъпност и надеждност, заедно със сигурността и контролите за поверителност на данните — критични за клиентите, особено тези в регулираните индустрии.
„Разработчиците могат лесно да развият модела на данни, вместо да препроектират цяла схема на данни, което може да отнеме месеци работа и да задържи внедряването на нови функции на приложенията, включително тези, които използват генериращ AI, без да се налага да се притеснявате за разходите за непрекъснато преминаване към по-големи и по-големи клъстери от бази данни“, добави Дейвидсън от MongoDB.
Интегрирането на MongoDB Atlas Vector Search с Amazon Bedrock се очаква да бъде достъпно на AWS през следващите месеци.
Отказ от отговорност
В съответствие с Доверете се насоките на проекта, моля, имайте предвид, че предоставената на тази страница информация не е предназначена да бъде и не трябва да се тълкува като правен, данъчен, инвестиционен, финансов или каквато и да е друга форма на съвет. Важно е да инвестирате само това, което можете да си позволите да загубите, и да потърсите независим финансов съвет, ако имате някакви съмнения. За допълнителна информация предлагаме да се обърнете към правилата и условията, както и към страниците за помощ и поддръжка, предоставени от издателя или рекламодателя. MetaversePost се ангажира с точно, безпристрастно отчитане, но пазарните условия подлежат на промяна без предизвестие.
За автора
Виктор е управляващ технически редактор/писател в Metaverse Post и обхваща изкуствен интелект, крипто, наука за данни, метавселена и киберсигурност в рамките на корпоративната сфера. Той може да се похвали с половин десетилетие опит в медиите и AI, работейки в известни медии като VentureBeat, DatatechVibe и Analytics India Magazine. Като медиен ментор в престижни университети, включително Оксфорд и USC, и с магистърска степен по наука за данни и анализи, Виктор е дълбоко ангажиран да бъде в крак с нововъзникващите тенденции. Той предлага на читателите най-новите и най-проницателни разкази от Tech and Web3 пейзаж.
Още статии
Виктор е управляващ технически редактор/писател в Metaverse Post и обхваща изкуствен интелект, крипто, наука за данни, метавселена и киберсигурност в рамките на корпоративната сфера. Той може да се похвали с половин десетилетие опит в медиите и AI, работейки в известни медии като VentureBeat, DatatechVibe и Analytics India Magazine. Като медиен ментор в престижни университети, включително Оксфорд и USC, и с магистърска степен по наука за данни и анализи, Виктор е дълбоко ангажиран да бъде в крак с нововъзникващите тенденции. Той предлага на читателите най-новите и най-проницателни разкази от Tech and Web3 пейзаж.
