Az InterSystems IRIS® erőteljes beépített generatív AI képességekkel rendelkezik, így bármilyen típusú adatra szemantikus kereséssel és generatív AI-val működtetett intelligens vállalati alkalmazásokat építhet.
A Vector képességek az InterSystems IRIS multi-modell adatbázis motorjának natív részét képezik, a JSON, teljes szöveg, objektumok, relációs táblák, kulcs-érték és más adattípusok mellett. Ez lehetővé teszi, hogy az AI-alkalmazásokat strukturált és strukturálatlan adatokkal egyazon motorban, adatmozgatás nélkül működtessük. Ez egyszerűbb és hatékonyabb, mint egy külön erre a célra szolgáló vektoradatbázis használata.
Az InterSystems IRIS alacsony késleltetési lekérdezési teljesítményével és nagy sebességű adatbevitelével páratlan valós idejű képességeket kínál. A generatív mesterséges intelligenciát streaming adatokra - beleértve a videót is - alkalmazhatja, és többféle adattípuson keresztül kombinálhatja.
Vektor keresés
Az InterSystems IRIS beágyazott vektoros keresési képességei lehetővé teszik a strukturálatlan és félig strukturált adatok keresését. Az adatokat vektorokká (más néven "beágyazásokká") alakítják át, majd az InterSystems IRIS-ben tárolják és indexelik a szemantikus keresés, a visszakereséssel kiegészített generálás (RAG), a szemantikus keresés, a szövegelemzés, az ajánlómotorok és más felhasználási esetek számára.
A vektoros keresés tartalmaz egy vektoros SQL adattípust a beágyazások tárolására és lekérdezésére, valamint beépített függvényeket a vektorhasonlóságok kiszámítására. Ezeket a funkciókat az InterSystems IRIS magjába építették be a maximális sebesség, méretarány, biztonság és megbízhatóság érdekében. A vektoros adatműveletek kihasználják a hardveres gyorsítást (beépített SIMD vektoros feldolgozás) az extrém teljesítmény érdekében.
Szemantika hozzáadása az alkalmazásokhoz
A Vektoros keresés lehetővé teszi, hogy az adatok lekérdezését az adatok szemantikája, vagyis az adatok jelentése, és nem maga az adat alapján végezze el. Képzeljünk el egy többdimenziós teret, ahol minden egyes adatpont (pl. mondat vagy rekord) egy vektornak felel meg. A hasonló jelentéssel vagy kontextussal rendelkező adatok közel kerülnek egymáshoz ebben a vektortérben.
A mesterséges intelligencia legújabb fejlődésével ezek a vektorok már jobban képesek megragadni az adatok jelentését azáltal, hogy az alacsonyabb dimenziós adatokat egy magasabb dimenziós térbe vetítik, amely több kontextust tartalmaz az adatokról. A vektoros beágyazások sokkal finomabb jelentésmodellt biztosítanak.
Az első lépés az adatok vektoros beágyazásokká alakítása és vektorokként való tárolása az InterSystems IRIS-ben. Ezután lekérdezheti és gyorsan megtalálhatja a hasonló adatokat a vektorfüggvények segítségével. Ez lehetővé teszi, hogy olyan lekérdezéseknek feleljen meg, mint például "mutassa meg az ehhez az állásleíráshoz tartozó önéletrajzokat" vagy "találjon személyre szabott utazási ajánlásokat egy karibi tengerparti nyaraláshoz a preferenciáim alapján". Ez az InterSystems IRIS alkalmazások számára a képességek teljesen új osztályát nyitja meg.
Építsen AI-alapú élményeket a RAG segítségével
A vektoros keresés támogatja a RAG architektúrát, amely gyorsan kialakulóban van, mint a nagy nyelvi modellek (LLM) korlátainak - például az elavult adatok, a token-korlátok és a hallucinációk - leküzdésének elsődleges módja.
A RAG két lépést kombinál: egy keresőt, amely a vektoros keresést használja a releváns dokumentumok és adatok lekérdezésére az InterSystems IRIS adatbázisából, és egy generátort - magát az LLM-et, amely a kívánt formátumban és hangnemben kontextuálisan releváns válaszokat készít.
A friss, hiteles információkat - beleértve a saját adatait is - felhasználhatja a pontos válasz generálásához, kihasználva a választott LLM-et a kérdés megértéséhez, a válasz megfogalmazásához és kiegészítő információk hozzáadásához.
A fejlesztők a nagy GenAI ökoszisztémát használhatják, platformok, pluginok és könyvtárak segítségével gyorsan és egyszerűen építhetnek fejlett generatív AI alkalmazásokat, többek között:
- ChatGPT
- LangChain
- Ölelő arc
- Llama2
- LlamaIndex
- Cohere
AI Orchestrálás
Az új felhőalapú GenAI-szolgáltatások elterjedése elképesztően új lehetőségeket nyit meg, ugyanakkor megnehezíti a megbízható rendszer létrehozását és kezelését. Az InterSystems IRIS Interoperabilitás segítségével könnyedén hozhat létre olyan összetett alkalmazásokat, amelyek több modellre is kiterjednek, függetlenül attól, hogy azok hol futnak. Az alacsony kódú grafikus szerkesztő lehetővé teszi az AI-megoldások programozás nélküli létrehozását, a beépített API-kezelési képességek pedig biztosítják az új GenAI-alapú szolgáltatások védelmét, közzétételét és pénzzé tételét.
Az elosztott műveletek automatikusan rögzítésre kerülnek az auditálás és hibakeresés céljából. A Visual Trace funkció lehetővé teszi a fejlesztők és a rendszergazdák számára, hogy az üzeneteket az orchestrációs folyamat során végigkövethessék, és megvizsgálhassák azok tartalmát. Szeretné megérteni, hogy egy probléma egy mesterséges intelligencia szolgáltatásnak, a vele táplált adatoknak vagy a használt üzleti logikának köszönhető-e? Visual Trace használata.
Vállalati készenlét
Az InterSystems IRIS bizonyított adatbiztonsággal, megfelelőséggel és magas rendelkezésre állással rendelkezik, amely alkalmas a kritikus fontosságú vállalati alkalmazásokhoz.
Generatív AI-alkalmazások építése a beágyazott vektoros keresési képességeinkkel:
- Az adatok teljes körű ellenőrzése
- Ön választja ki az LLM-et, az orchestrációs keretrendszert és az ügynöki keretrendszert
- Teljes körű auditálás és nyomon követhetőség
- Az LLM-ek helyi futtatása, az érzékeny adatok teljes mértékben helyi és biztonságos tárolásával
- Használja ki a mesterséges intelligencia szolgáltatások hatalmas ökoszisztémáját, bárhol is futnak, teljes biztonsággal és megbízhatósággal