MongoDB Mengintegrasikan Atlas Vector Search dengan Amazon Bedrock AWS untuk Meningkatkan Model AI Generatif
Singkatnya
Integrasi Atlas Vector Search MongoDB dengan Amazon Bedrock AWS bertujuan untuk mempercepat pengembangan aplikasi yang didukung oleh AI generatif.
Di AWS re:Invent 2023, basis data cloud-native MongoDB mengumumkan rencananya untuk berintegrasi Pencarian Vektor Atlas MongoDB dengan Batuan Dasar Amazon, untuk membantu pengembangan aplikasi AI di Amazon Web Services (AWS), dengan memanfaatkan infrastruktur cloud-nya yang terkenal.
Kolaborasi ini bertujuan untuk menyederhanakan penggabungan AI generatif dan kemampuan pencarian semantik, sehingga meningkatkan pengalaman dan keterlibatan pengguna.
MongoDB Atlas Vector Search menggunakan data operasional untuk mengintegrasikan AI generatif ke dalam aplikasi, memberikan pengalaman pengguna akhir yang disesuaikan. Integrasi dengan Amazon Bedrock siap untuk memberdayakan pengembang, menyederhanakan pembuatan Aplikasi AWS memanfaatkan AI generatif untuk beragam kasus penggunaan.
Ini akan memungkinkan aplikasi untuk memberikan respons terkini berdasarkan data kepemilikan yang diproses oleh MongoDB Atlas Vector Search.
Tidak seperti solusi tambahan yang hanya menyimpan data vektor, MongoDB Atlas Vector Search berfungsi sebagai database vektor yang berkinerja dan dapat diskalakan. Ini terintegrasi dengan database operasional yang terdistribusi secara global yang mampu menyimpan dan memproses seluruh kumpulan data organisasi.
Melalui integrasi dengan Amazon Bedrock, pelanggan memperoleh kemampuan untuk menyesuaikan model dasar (FM) secara pribadi, berkolaborasi dengan AI21 Labs, Amazon, Antropik, Kohere, Meta dan Stability AI. Prosesnya melibatkan penggabungan data kepemilikan, mengubahnya menjadi penyematan vektor, dan memanfaatkan Pencarian Vektor Atlas MongoDB untuk memproses penyematan ini.
“Sementara MongoDB Atlas Vector Search dapat bekerja dengan banyak jenis model fondasi (FM) dari penyedia sejenis OpenAI, Hugging Face, Microsoft Azure, Google Cloud, Anthropic, dan lainnya — Amazon Bedrock menyediakan pilihan FM terkelola dan berperforma tinggi yang dapat digunakan pengembang untuk mengonversi data kepemilikan (gambar, teks, video, dll.) menjadi vektor sehingga FM seperti berukuran besar model bahasa dapat memprosesnya dan memberikan respons terhadap permintaan pengguna akhir,” kata Andrew Davidson, SVP Produk di MongoDB Metaverse Post.
Aplikasi AI Generatif Turbocharging dengan Pencarian Vektor
MongoDB mengatakan aplikasi yang dihasilkan, memanfaatkan generasi augmented pengambilan (RAG) Agen untuk Amazon Bedrock — akan mampu merespons pertanyaan pengguna dengan informasi yang relevan dan kontekstual tanpa pengkodean manual.
“Retrieval augmented generation (RAG) sekarang menjadi pola arsitektur umum di mana organisasi dapat menyediakan data kepemilikan ke model dasar (FM) untuk menyesuaikan respons terhadap permintaan pengguna akhir sehingga lebih dipersonalisasi, akurat, dan relevan,” kata Davidson dari MongoDB Metaverse Post. “Hal ini mengurangi apa yang disebut halusinasi yang rentan dialami oleh FM dan memberikan tanggapan yang lebih dapat dipercaya kepada pengguna akhir.”
Misalnya, organisasi ritel pakaian dapat mengembangkan a AI generatif aplikasi untuk mengotomatiskan tugas-tugas seperti memproses permintaan inventaris waktu nyata atau mempersonalisasi pengembalian dan penukaran pelanggan dengan menyarankan barang dagangan serupa yang tersedia.
“Dengan menyediakan model dasar (FM) dengan konteks dari data milik organisasi yang diproses oleh MongoDB Atlas Vector Search, pengguna akhir dapat menerima respons yang lebih personal dan akurat terhadap permintaan mereka,” kata Davidson dari MongoDB Metaverse Post. “Karena vektor disimpan bersama metadata, data operasional, data deret waktu, data geospasial, dan jenis data lainnya, Atlas Vector Search dapat melakukan kueri yang lebih kompleks daripada database vektor yang digabungkan melalui satu API dan bahasa kueri.”
Organisasi juga dapat menerapkan MongoDB Atlas di seluruh perusahaan besar penyedia cloud secara bersamaan untuk ketersediaan dan keandalan maksimum, serta kontrol keamanan dan privasi data — penting bagi pelanggan, terutama mereka yang berada di industri yang diatur.
“Pengembang dapat dengan mudah mengembangkan model data daripada mendesain ulang seluruh skema data, yang dapat memakan waktu berbulan-bulan dan menunda penerapan fitur-fitur aplikasi baru, termasuk fitur-fitur yang menggunakan AI generatif, tanpa harus khawatir tentang biaya untuk terus beralih ke model data yang lebih besar. dan cluster database yang lebih besar,” Davidson dari MongoDB menambahkan.
Integrasi MongoDB Atlas Vector Search dengan Amazon Bedrock diharapkan tersedia di AWS dalam beberapa bulan mendatang.
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Victor adalah Editor/Penulis Pelaksana Teknologi di Metaverse Post dan mencakup kecerdasan buatan, kripto, ilmu data, metaverse, dan keamanan siber dalam ranah perusahaan. Dia memiliki pengalaman media dan AI selama setengah dekade bekerja di outlet media terkenal seperti VentureBeat, DatatechVibe, dan Majalah Analytics India. Menjadi Mentor Media di universitas bergengsi termasuk Oxford dan USC dan dengan gelar Master di bidang ilmu data dan analitik, Victor sangat berkomitmen untuk terus mengikuti tren yang sedang berkembang. Dia menawarkan kepada pembaca narasi terbaru dan paling mendalam dari Tech and Web3 pemandangan.
lebih artikel
Victor adalah Editor/Penulis Pelaksana Teknologi di Metaverse Post dan mencakup kecerdasan buatan, kripto, ilmu data, metaverse, dan keamanan siber dalam ranah perusahaan. Dia memiliki pengalaman media dan AI selama setengah dekade bekerja di outlet media terkenal seperti VentureBeat, DatatechVibe, dan Majalah Analytics India. Menjadi Mentor Media di universitas bergengsi termasuk Oxford dan USC dan dengan gelar Master di bidang ilmu data dan analitik, Victor sangat berkomitmen untuk terus mengikuti tren yang sedang berkembang. Dia menawarkan kepada pembaca narasi terbaru dan paling mendalam dari Tech and Web3 pemandangan.
