Представлено Ravendb
Базы данных документов уже давно стали основой критических приложений — теперь они вступают в новую эру интеллекта и возможностей. Внедряя генеративный ИИ непосредственно в уровень данных, это влияние не просто техническое обновление — это стратегический, преобразующий сдвиг для более быстрой доставки, более слабых операций и умного масштабирования.
«Когда вы можете поместить весь вес большой языковой модели в базу данных, вы можете сделать много вещей, которые удивительны», — говорит Орен Эйни, генеральный директор и основатель Ravendb. «Это переосмысление того, где ИИ принадлежит в стеке программного обеспечения для предприятия. С помощью ИИ внутри механизма данных организации любого размера могут легко создавать интеллектуальные приложения. Демократизация способности применения ИИ во всех аспектах вашей системы приведет к огромным изменениям в том, как мы думаем о строительстве программного обеспечения».
Превращение запросов в разумные действия
В прошлом вам нужно было быть экспертом в области маркировки данных, тратить огромное время и усилия, правильно каталогизируя все ваши данные, создать полную систему поиска и так далее. С ИИ на уровне данных вы можете использовать эту модель, чтобы выполнить здесь много работы, а затем вы можете применить векторный поиск к этому.
Генеративный ИИ позволяет пользователям генерировать, обогащать, классифицировать и автоматизировать контент и решения непосредственно в базе данных, используя модели крупных языков. И возможности ИИ, в которых фактически живет данные, обеспечивают безопасное, эффективное выполнение в реальном времени, будь то классификация документов, суммирование взаимодействия с клиентами или автоматизация рабочих процессов. Он позволяет командам создавать функции непосредственно из данных, которыми они уже управляют, без необходимости выделенной команды искусственного интеллекта.
«Это дает вам большую власть, которая ранее имела только крупнейшие компании», — говорит Эйни. «У вас может быть действительно высококачественная система, сравнимая с тем, что может запустить Google или Microsoft, но в рамках их бюджета и с помощью быстрого процесса развертывания. Учитывая ваши существующие данные, вы можете перейти от ничего до того, чтобы иметь интеллектуальную систему первого класса в течение нескольких дней».
Этот вид интеграции огромна для организаций, у которых нет больших команд ИИ или специальной инфраструктуры MLOPS. Для многих целей добавление генеративных возможностей AI (Genai) непосредственно в основной двигатель базы данных представляет собой прыжок вперед от оберток сервисных или проприетарных облачных стеков, что значительно снижает сложность.
По словам Эйни, это простой подход, указывая на то, как Ravendb позволяет клиентам интегрировать ИИ в свой продукт. Этот подход позволяет пользователям делать больше со своими данными, со встроенной суммированием, классификацией и поддержкой тегов. Пользователи Ravendb могут даже создавать рабочие процессы, которые обогащают набор данных непосредственно из базы данных, и использовать данные для генерации дополнительных документов и информации — выходя за рамки пассивных данных для использования данных в качестве катализатора инноваций.
Разница в Равендбе
«По сути, мы стремимся коммодитизировать использование LLM в ваших системах, делая его легким, предсказуемым, устойчивым и доступным», — говорит Эйни. «Большинство других интеграций с искусственным интеграцией в других системах просто позволяют вам делать удаленные вызовы в модель, которая приятно, если вы хотите подавать некоторые данные в модель непосредственно из базы данных, а затем вернуть ответ пользователю. Проблема с этим рабочим процессом заключается в том, что он не позволяет вам действительно использовать результаты действия модели или персонализировать и оптимизировать поведение LLM», — отмечает он.
«С другой стороны, — объясняет он, — подход Ravendb заключается в создании выделенного конвейера, где разработчики могут просто ввести подсказку, которая сообщает модели, что нужно сделать, модель обрабатывает запрос вместе с данными в базе данных и применяет результаты к базе данных на постоянной основе».
Ravendb будет призывать модель, чтобы применить логику пользователя к любым новым данным, поскольку она добавлена, что означает, что больше не ожидает значительного количества времени для результатов. Введение «интеллекта» в базу данных также предотвращает использование модели, если это не нужно. Ravendb может обнаружить, имеют ли эти конкретные данные уместны для определенной задачи модели, и пропустить вызов модели, если это не так (исключение ненужных вызовов модели и связанных затрат).
Новая функция Ravendb поддерживает безопасное использование любого LLM непосредственно в базе данных, будь то коммерческое предложение — от таких, как Open AI, Mystral или Grok — или модель с открытым исходным кодом. Клиенты также могут подключать специальные модели, такие как медицинские LLMS, или те, которые были настраивались на конкретные потребности клиента. Подход «Управление как по умолчанию», который Ravendb использует внутри своих продуктов, ограничивает возможности того, что модель может сделать, чтобы она не может внести какие -либо неутвержденные изменения в базу данных или получить доступ к внутренним системам — что делает разработку приложений не только быстрее, но и более безопасным и давая командам рисков больше душевного спокойствия.
Вместо того, чтобы нуждаться в сложных конвейерах данных, или API, специфичных для поставщика, и огромных объемов инженерии и ноу-хау науки о данных в стремлении перейти от прототипа к производству, команды по всей организации теперь могут выполнять задачи Genai непосредственно внутри базы данных, значительно сузив разрыв между экспериментом и конечным результатом.
«Разработчики внезапно имеют полный контроль над всеми вещами, которые их больше всего преследуют, включая стоимость, производительность и соответствие», — говорит Эйни. «Ключ с нашей точки зрения заключается в том, что, позволяя вам легко использовать ИИ в ваших системах, мы позволяем вам применять сложные модели повсюду. Идея состоит в том, что вместо того, чтобы перейти в месячные процессы интеграции, они теперь так же просты, как и запуск запроса. Конечный результат-это технология, которая делает переход к идее к реализации быстрее, чем когда-либо, и почти без шламных».
Спонсируемые статьи — это контент, производимый компанией, которая либо платит за пост, либо имеет деловые отношения с VentureBeat, и они всегда четко обозначены. Для получения дополнительной информации свяжитесь с
