MongoDB integrira Atlas Vector Search s AWS-ovom Amazon Bedrockom za jačanje generativnih AI modela
Ukratko
Integracija MongoDB-ovog Atlas Vector Search-a s AWS-ovim Amazon Bedrock-om ima za cilj ubrzati razvoj aplikacija koje pokreće generativna umjetna inteligencija.
U AWS re:Invent 2023, baza podataka izvorna u oblaku MongoDB objavila svoje planove za integraciju MongoDB Atlas Vector Search s Amazonska podloga, kako bi se pomoglo razvoju AI aplikacija na Amazon Web Services (AWS), koristeći njegovu poznatu infrastrukturu u oblaku.
Cilj suradnje je pojednostaviti uključivanje generativne umjetne inteligencije i mogućnosti semantičkog pretraživanja, poboljšavajući korisnička iskustva i angažman.
MongoDB Atlas Vector Search koristi operativne podatke za integraciju generativne umjetne inteligencije u aplikacije, pružajući prilagođena iskustva krajnjem korisniku. Integracija s Amazon Bedrockom spremna je osnažiti programere, pojednostavljujući stvaranje AWS aplikacije korištenje generativne umjetne inteligencije za različite slučajeve upotrebe.
Omogućit će aplikacijama pružanje ažurnih odgovora na temelju vlasničkih podataka koje obrađuje MongoDB Atlas Vector Search.
Za razliku od dodatnih rješenja koja isključivo pohranjuju vektorske podatke, MongoDB Atlas Vector Search funkcionira kao učinkovita i skalabilna vektorska baza podataka. Integrira se s globalno distribuiranom operativnom bazom podataka koja može pohraniti i obraditi cijeli skup podataka organizacije.
Putem integracije s Amazon Bedrockom, korisnici dobivaju mogućnost privatne prilagodbe temeljnih modela (FM), surađujući s AI21 Labs, Amazon, antropski, Cohere, Meta i Stability AI. Proces uključuje uključivanje vlasničkih podataka, njihovo pretvaranje u vektorske ugradnje i korištenje MongoDB Atlas Vector Searcha za obradu tih umetanja.
“Iako MongoDB Atlas Vector Search može raditi s mnogim vrstama temeljnih modela (FM) od pružatelja usluga kao što su OpenAI, Hugging Face, Microsoft Azure, Google Cloud, Anthropic i drugi — Amazon Bedrock nudi izbor upravljanih FM-ova visokih performansi koje programeri mogu koristiti za pretvaranje vlasničkih podataka (slike, tekst, video itd.) u vektore tako da FM-ovi vole velike jezični modeli ih mogu obraditi i dati odgovore na zahtjeve krajnjih korisnika,” rekao je Andrew Davidson, viši potpredsjednik za proizvode u MongoDB-u. Metaverse Post.
Turbocharging Generative AI aplikacije s vektorskim pretraživanjem
MongoDB je rekao da će rezultirajuće aplikacije, koje koriste agente za Amazon Bedrock's retrieval augmented generation (RAG) — moći odgovoriti na korisničke upite relevantnim i kontekstualiziranim informacijama bez ručnog kodiranja.
"Prošireno generiranje dohvaćanja (RAG) sada je uobičajeni obrazac arhitekture gdje organizacije mogu pružiti vlasničke podatke temeljnim modelima (FM) kako bi prilagodile odgovore na zahtjeve krajnjih korisnika kako bi bili personaliziraniji, točniji i relevantniji", rekao je Davidson iz MongoDB-a. Metaverse Post. "Ovo smanjuje takozvane halucinacije kojima FM-ovi mogu biti skloni i daje krajnjim korisnicima pouzdanije odgovore."
Na primjer, organizacija za maloprodaju odjeće mogla bi razviti a generativni AI aplikacija za automatizaciju zadataka kao što je obrada zahtjeva za zalihama u stvarnom vremenu ili personaliziranje povrata i zamjene kupaca predlaganjem slične robe na zalihama.
"Pružanjem temeljnih modela (FM) s kontekstom iz vlasničkih podataka organizacije koje obrađuje MongoDB Atlas Vector Search, krajnji korisnici mogu dobiti personaliziranije i točnije odgovore na svoje zahtjeve", rekao je Davidson iz MongoDB-a Metaverse Post. "Budući da se vektori pohranjuju uz metapodatke, operativne podatke, podatke o vremenskim serijama, geoprostorne podatke i druge vrste podataka, Atlas Vector Search može izvršiti složenije upite od vektorskih baza podataka pomoću jednog API-ja i jezika za upite."
Organizacije bi također bile u mogućnosti implementirati MongoDB Atlas u svim velikim davatelji usluga u oblaku istovremeno za maksimalnu dostupnost i pouzdanost, zajedno sa kontrolama sigurnosti i privatnosti podataka — kritično za kupce, posebno one u reguliranim industrijama.
„Razvojni programeri mogu jednostavno razviti podatkovni model umjesto redizajniranja cijele sheme podataka, što može potrajati mjesecima rada i zaustaviti implementaciju novih značajki aplikacije, uključujući one koje koriste generativnu umjetnu inteligenciju, a da ne moraju brinuti o trošku stalnog prelaska na veće i veće klastere baza podataka,” dodao je Davidson iz MongoDB-a.
Očekuje se da će integracija MongoDB Atlas Vector Searcha s Amazon Bedrockom biti dostupna na AWS-u u narednim mjesecima.
Izjava o odricanju od odgovornosti
U skladu s Smjernice projekta povjerenja, imajte na umu da informacije navedene na ovoj stranici nemaju namjeru i ne smiju se tumačiti kao pravni, porezni, investicijski, financijski ili bilo koji drugi oblik savjeta. Važno je ulagati samo ono što si možete priuštiti izgubiti i potražiti neovisni financijski savjet ako imate bilo kakvih nedoumica. Za dodatne informacije predlažemo da pogledate odredbe i uvjete, kao i stranice za pomoć i podršku koje pruža izdavatelj ili oglašivač. MetaversePost je predan točnom, nepristranom izvješćivanju, ali tržišni uvjeti podložni su promjenama bez prethodne najave.
O autoru
Victor je glavni tehnički urednik/pisac u Metaverse Post i pokriva umjetnu inteligenciju, kripto, podatkovnu znanost, metaverzum i kibernetičku sigurnost unutar područja poduzeća. Može se pohvaliti pola desetljeća iskustva u medijima i umjetnoj inteligenciji radeći u poznatim medijskim kućama kao što su VentureBeat, DatatechVibe i Analytics India Magazine. Budući da je medijski mentor na prestižnim sveučilištima, uključujući Oxford i USC, te s magisterijem iz podatkovne znanosti i analitike, Victor je duboko predan tome da ostane u toku s novim trendovima. Čitateljima nudi najnovije i najpronicljivije priče iz Tech and Web3 krajolik.
Više članaka
Victor je glavni tehnički urednik/pisac u Metaverse Post i pokriva umjetnu inteligenciju, kripto, podatkovnu znanost, metaverzum i kibernetičku sigurnost unutar područja poduzeća. Može se pohvaliti pola desetljeća iskustva u medijima i umjetnoj inteligenciji radeći u poznatim medijskim kućama kao što su VentureBeat, DatatechVibe i Analytics India Magazine. Budući da je medijski mentor na prestižnim sveučilištima, uključujući Oxford i USC, te s magisterijem iz podatkovne znanosti i analitike, Victor je duboko predan tome da ostane u toku s novim trendovima. Čitateljima nudi najnovije i najpronicljivije priče iz Tech and Web3 krajolik.
