MongoDB が Atlas Vector Search を AWS の Amazon Bedrock と統合して生成 AI モデルを強化
簡単に言えば
MongoDB の Atlas Vector Search と AWS の Amazon Bedrock の統合は、生成 AI を活用したアプリケーションの開発を加速することを目的としています。
AWS re:Invent 2023 では、クラウドネイティブ データベース MongoDBの 統合する計画を発表した MongoDB アトラス ベクトル検索 アマゾンの岩盤、有名なクラウド インフラストラクチャを活用して、アマゾン ウェブ サービス (AWS) での AI アプリケーションの開発を支援します。
このコラボレーションは、生成 AI とセマンティック検索機能の組み込みを効率化し、ユーザー エクスペリエンスとエンゲージメントを強化することを目的としています。
MongoDB Atlas Vector Search は運用データを利用して生成 AI をアプリケーションに統合し、カスタマイズされたエンドユーザー エクスペリエンスを提供します。 Amazon Bedrock との統合により、開発者が強化され、 AWS アプリケーション 生成 AI をさまざまなユースケースに活用します。
これにより、アプリケーションは MongoDB Atlas Vector Search によって処理された独自のデータに基づいて最新の応答を提供できるようになります。
ベクトル データのみを保存するアドオン ソリューションとは異なり、MongoDB Atlas Vector Search は、パフォーマンスが高くスケーラブルなベクトル データベースとして機能します。 組織のデータセット全体を保存および処理できる、グローバルに分散された運用データベースと統合されます。
Amazon Bedrock との統合により、顧客は AI21 Labs、Amazon、 人間原理、コヒア、メタ、 Stability AI。 このプロセスには、独自のデータを組み込み、それをベクトル埋め込みに変換し、MongoDB Atlas Vector Search を活用してこれらの埋め込みを処理することが含まれます。
「MongoDB Atlas Vector Search は、次のようなプロバイダーが提供するさまざまなタイプの基盤モデル (FM) と連携できます。 OpenAI、Hugging Face、Microsoft Azure、Google Cloud、Anthropic など — Amazon Bedrock は、開発者が独自のデータ (画像、テキスト、ビデオなど) をベクトルに変換するために使用できる、高性能のマネージド FM の選択肢を提供し、FM が大規模なデータを好むようにします。言語モデルはそれらを処理し、エンドユーザーのリクエストに応答することができます」と MongoDB の製品担当シニア バイス プレジデントの Andrew Davidson 氏は語ります。 Metaverse Post.
ベクトル検索による生成 AI アプリのターボチャージャー
MongoDB によると、Agents for Amazon Bedrock の検索拡張生成 (RAG) を利用した結果として得られるアプリケーションは、手動コーディングを行わずに、ユーザーのクエリに関連性のあるコンテキスト化された情報で応答できるようになります。
「検索拡張生成 (RAG) は現在、一般的なアーキテクチャ パターンとなっており、組織が独自のデータを基盤モデル (FM) に提供して、エンドユーザーのリクエストに対する応答をカスタマイズできるため、リクエストがよりパーソナライズされ、正確で、関連性が高くなります」と MongoDB の Davidson 氏は語ります。 Metaverse Post。 「これにより、FM が陥りやすいいわゆる幻覚が軽減され、エンドユーザーにより信頼できる応答が提供されます。」
たとえば、アパレル小売組織は、 generative AI リアルタイムの在庫リクエストの処理や、類似の在庫商品を提案することで顧客の返品や交換をカスタマイズするなどのタスクを自動化するアプリケーションです。
「MongoDB Atlas Vector Search によって処理された組織独自のデータからのコンテキストを基盤モデル (FM) に提供することで、エンドユーザーはリクエストに対するよりパーソナライズされた正確な応答を受け取ることができます」と MongoDB の Davidson 氏は語ります。 Metaverse Post。 「ベクトルはメタデータ、運用データ、時系列データ、地理空間データ、その他の種類のデータと一緒に保存されるため、Atlas Vector Search は、単一の API とクエリ言語を介して、ボルトオンのベクトル データベースよりも複雑なクエリを実行できます。」
組織は主要な組織全体に MongoDB Atlas を導入することもできます。 クラウドプロバイダー 可用性と信頼性を最大限に高めるとともに、セキュリティとデータ プライバシーの管理も同時に実現します。これは、お客様、特に規制対象の業界のお客様にとって重要です。
「開発者は、データ スキーマ全体を再設計するのではなく、データ モデルを簡単に進化させることができます。データ スキーマ全体の再設計には何か月もかかり、生成 AI を使用する機能を含む新しいアプリケーション機能の導入が滞る可能性があります。より大規模なアプリケーションへの継続的な移行にかかる費用を心配する必要はありません。そしてさらに大規模なデータベース クラスターです」と MongoDB の Davidson 氏は付け加えました。
MongoDB Atlas Vector Search と Amazon Bedrock の統合は、今後数か月以内に AWS で利用可能になる予定です。
免責事項
に沿って トラストプロジェクトのガイドライン, このページで提供される情報は、法律、税金、投資、財務、またはその他の形式のアドバイスを目的としたものではなく、そのように解釈されるべきではないことに注意してください。 損失しても許容できる金額のみを投資し、疑問がある場合は独立した財務上のアドバイスを求めることが重要です。 詳細については、利用規約のほか、発行者または広告主が提供するヘルプおよびサポート ページを参照することをお勧めします。 MetaversePost は正確で公平なレポートに努めていますが、市場の状況は予告なく変更される場合があります。
著者について
Victor は、技術編集者/ライターのマネージングを務めています。 Metaverse Post エンタープライズ領域内の人工知能、暗号化、データ サイエンス、メタバース、サイバーセキュリティをカバーします。 彼は、VentureBeat、DatatechVibe、Analytics India Magazine などの有名なメディア媒体で働いて、メディアと AI に XNUMX 年以上の経験を誇ります。 Victor は、オックスフォードや USC などの名門大学でメディア メンターを務め、データ サイエンスと分析の修士号を取得しており、新たなトレンドを常に追い続けることに熱心に取り組んでいます。 彼は、テクノロジーとテクノロジーに関する最新かつ最も洞察力に富んだ物語を読者に提供しています。 Web3 風景です。
より多くの記事
Victor は、技術編集者/ライターのマネージングを務めています。 Metaverse Post エンタープライズ領域内の人工知能、暗号化、データ サイエンス、メタバース、サイバーセキュリティをカバーします。 彼は、VentureBeat、DatatechVibe、Analytics India Magazine などの有名なメディア媒体で働いて、メディアと AI に XNUMX 年以上の経験を誇ります。 Victor は、オックスフォードや USC などの名門大学でメディア メンターを務め、データ サイエンスと分析の修士号を取得しており、新たなトレンドを常に追い続けることに熱心に取り組んでいます。 彼は、テクノロジーとテクノロジーに関する最新かつ最も洞察力に富んだ物語を読者に提供しています。 Web3 風景です。
