MongoDB integra Atlas Vector Search com Amazon Bedrock da AWS para impulsionar modelos de IA generativos
Em Breve
A integração do Atlas Vector Search do MongoDB com o Amazon Bedrock da AWS visa acelerar o desenvolvimento de aplicativos alimentados por IA generativa.
No AWS re:Invent 2023, banco de dados nativo da nuvem MongoDB anunciou seus planos de integração Pesquisa de vetor do Atlas MongoDB de Rocha Amazônica, para auxiliar no desenvolvimento de aplicações de IA na Amazon Web Services (AWS), aproveitando sua renomada infraestrutura em nuvem.
A colaboração visa agilizar a incorporação de IA generativa e recursos de pesquisa semântica, melhorando as experiências e o envolvimento do usuário.
MongoDB Atlas Vector Search utiliza dados operacionais para integrar IA generativa em aplicativos, proporcionando experiências personalizadas ao usuário final. A integração com o Amazon Bedrock está preparada para capacitar os desenvolvedores, simplificando a criação de Aplicativos AWS utilizando IA generativa para diversos casos de uso.
Ele permitirá que os aplicativos forneçam respostas atualizadas com base em dados proprietários processados pelo MongoDB Atlas Vector Search.
Ao contrário das soluções complementares que armazenam apenas dados vetoriais, o MongoDB Atlas Vector Search funciona como um banco de dados vetorial escalonável e de alto desempenho. Ele se integra a um banco de dados operacional distribuído globalmente, capaz de armazenar e processar todo o conjunto de dados de uma organização.
Por meio da integração com o Amazon Bedrock, os clientes ganham a capacidade de personalizar modelos básicos (FMs) de forma privada, colaborando com AI21 Labs, Amazon, Antrópico, Cohere, Meta e Stability AI. O processo envolve incorporar dados proprietários, convertê-los em embeddings vetoriais e aproveitar o MongoDB Atlas Vector Search para processar esses embeddings.
“Embora o MongoDB Atlas Vector Search possa funcionar com muitos tipos de modelos básicos (FMs) de fornecedores como OpenAI, Hugging Face, Microsoft Azure, Google Cloud, Anthropic e outros — Amazon Bedrock oferece uma escolha de FMs gerenciados de alto desempenho que os desenvolvedores podem usar para converter dados proprietários (imagens, texto, vídeo, etc.) em vetores para que FMs gostem de grandes modelos de linguagem podem processá-los e fornecer respostas às solicitações do usuário final”, disse Andrew Davidson, vice-presidente sênior de produtos do MongoDB. Metaverse Post.
Turbinando aplicativos de IA generativos com pesquisa vetorial
O MongoDB disse que os aplicativos resultantes, utilizando a geração aumentada de recuperação (RAG) do Agents for Amazon Bedrock - serão capazes de responder às consultas dos usuários com informações relevantes e contextualizadas sem codificação manual.
“A geração aumentada de recuperação (RAG) é agora um padrão de arquitetura comum onde as organizações podem fornecer dados proprietários para modelos básicos (FMs) para personalizar as respostas às solicitações do usuário final para que sejam mais personalizadas, precisas e relevantes”, disse Davidson do MongoDB. Metaverse Post. “Isso reduz as chamadas alucinações às quais os FMs podem estar propensos e fornece aos usuários finais respostas mais confiáveis”.
Por exemplo, uma organização de varejo de vestuário poderia desenvolver um IA generativa aplicativo para automatizar tarefas como processamento de solicitações de estoque em tempo real ou personalização de devoluções e trocas de clientes, sugerindo mercadorias semelhantes em estoque.
“Ao fornecer modelos básicos (FMs) com contexto de dados proprietários de uma organização processados pelo MongoDB Atlas Vector Search, os usuários finais podem receber respostas mais personalizadas e precisas às suas solicitações”, disse Davidson do MongoDB. Metaverse Post. “Como os vetores são armazenados junto com metadados, dados operacionais, dados de séries temporais, dados geoespaciais e outros tipos de dados, o Atlas Vector Search pode realizar consultas mais complexas do que bancos de dados de vetores complementares por meio de uma única API e linguagem de consulta.”
As organizações também seriam capazes de implantar o MongoDB Atlas nos principais provedores de nuvem simultaneamente para máxima disponibilidade e confiabilidade, juntamente com controles de segurança e privacidade de dados – essenciais para clientes, especialmente aqueles em setores regulamentados.
“Os desenvolvedores podem evoluir facilmente o modelo de dados em vez de redesenhar todo um esquema de dados, o que pode levar meses de trabalho e atrasar a implantação de novos recursos de aplicativos, incluindo aqueles que usam IA generativa, sem ter que se preocupar com as despesas de migrar continuamente para sistemas maiores. e clusters de bancos de dados maiores”, acrescentou Davidson, do MongoDB.
Espera-se que a integração do MongoDB Atlas Vector Search com o Amazon Bedrock esteja disponível na AWS nos próximos meses.
Aviso Legal
Em linha com a Diretrizes do Projeto Trust, observe que as informações fornecidas nesta página não se destinam e não devem ser interpretadas como aconselhamento jurídico, tributário, de investimento, financeiro ou qualquer outra forma. É importante investir apenas o que você pode perder e procurar aconselhamento financeiro independente se tiver alguma dúvida. Para mais informações, sugerimos consultar os termos e condições, bem como as páginas de ajuda e suporte fornecidas pelo emissor ou anunciante. MetaversePost está comprometida com relatórios precisos e imparciais, mas as condições de mercado estão sujeitas a alterações sem aviso prévio.
Sobre o autor
Victor é Editor/Escritor Gerente de Tecnologia na Metaverse Post e cobre inteligência artificial, criptografia, ciência de dados, metaverso e segurança cibernética no âmbito empresarial. Ele possui meia década de experiência em mídia e IA trabalhando em meios de comunicação conhecidos, como VentureBeat, DatatechVibe e Analytics India Magazine. Sendo mentor de mídia em universidades de prestígio, incluindo Oxford e USC, e com mestrado em ciência e análise de dados, Victor está profundamente comprometido em se manter atualizado com as tendências emergentes. Ele oferece aos leitores as narrativas mais recentes e perspicazes da tecnologia e Web3 panorama.
Mais artigos
Victor é Editor/Escritor Gerente de Tecnologia na Metaverse Post e cobre inteligência artificial, criptografia, ciência de dados, metaverso e segurança cibernética no âmbito empresarial. Ele possui meia década de experiência em mídia e IA trabalhando em meios de comunicação conhecidos, como VentureBeat, DatatechVibe e Analytics India Magazine. Sendo mentor de mídia em universidades de prestígio, incluindo Oxford e USC, e com mestrado em ciência e análise de dados, Victor está profundamente comprometido em se manter atualizado com as tendências emergentes. Ele oferece aos leitores as narrativas mais recentes e perspicazes da tecnologia e Web3 panorama.
