Google Cloud Database ajoute davantage de fonctionnalités d'intelligence artificielle

Google Cloud renforce ses bases de données analytiques et transactionnelles, notamment BigQuery, AlloyDB et Spanner, dans le but de stimuler le développement de ses applications d'intelligence artificielle générées par les clients.

BigQuery est le service de base de données avancé de Google Cloud conçu pour prendre en charge les tâches d'analyse et d'intelligence artificielle. Le service introduit plusieurs améliorations de l'intelligence artificielle. Tout d'abord, Google Cloud a lancé une version préliminaire de l'intégration de BigQuery et Vertex AI, axée sur les capacités de texte et de parole. Cette intégration permettra aux utilisateurs d'extraire des informations précieuses à partir de données non structurées telles que des images et des documents.

Le modèle d'intelligence artificielle le plus puissant de l'entreprise, Gemini, a été mis à la disposition des clients BigQuery via Vertex AI. Le modèle a suscité une certaine controverse la semaine dernière après des débuts peu recommandables sur le marché grand public.

Ces fonctionnalités d'IA font suite à l'annonce précédente de BigQuery concernant les capacités de recherche vectorielle. La fonctionnalité de recherche vectorielle en avant-première est un composant clé des applications GenAI, prenant en charge la recherche de similarité et la génération augmentée par récupération (RAG) à l'aide de grands modèles de langage.

L'accès direct à Vertex AI dans BigQuery offre une facilité d'utilisation de plusieurs manières aux clients de Google Cloud AI, a déclaré Gerrit Kazmaier, directeur général et vice-président de l'analyse des données chez Google Cloud AI.

Lors de la conférence de presse, Kazmaier a mentionné qu'en tant que praticien de l'analyse de données, vous pouvez accéder à tous les modèles Vertex AI, y compris les modèles Gemini, via la ligne de commande SQL ou l'API Python intégrée à BigQuery. Cela facilite l’accès à ces modèles sans recourir à un data scientist ou à une plateforme d’apprentissage automatique. Vous pouvez y accéder directement dans votre domaine d'activité, en utilisant les données dont vous disposez. L'émergence de cette nouvelle technologie apporte plus de possibilités et de flexibilité à l'analyse des données.

Kazmaier a noté qu'un deuxième avantage de l'intégration est un accès plus facile aux données nécessaires aux modèles d'IA. Avant l'intégration, le transfert de données vers des modèles d'IA nécessitait souvent de créer et de maintenir des pipelines de données pour déplacer les données. Maintenant, dit-il, ce n'est plus nécessaire. "Toutes les procédures compliquées ont été simplifiées."

In vertex, en utilisant les capacités des modèles d'intelligence artificielle basés sur du texte et des images, les analystes de données peuvent bénéficier de davantage d'avantages en matière d'analyse de données grâce à BigQuery et apporter davantage aux clients.

"Cela ouvre une nouvelle étape dans l'analyse des scénarios." Il a déclaré que la synthèse, l'extraction d'émotions, la classification, la concentration et la traduction de données structurées et non structurées sont une grosse affaire. En gros, 90 % des données ne sont pas structurées. Ces données ne sont généralement pas utilisées pour l'analyse des données d'entreprise, car vous ne pouvez pas les traiter de manière significative.

Du côté transactionnel (ou opérationnel), Google Cloud a annoncé la disponibilité générale d'AlloyDB AI, la version spécifique à l'IA de la base de données hébergée Postgres que la société a annoncée lors de la conférence Next 23 de l'année dernière. AlloyDB AI a la capacité de stocker des intégrations vectorielles et d'exécuter des fonctions de recherche vectorielle, que Google Cloud considère comme un élément essentiel des cas d'utilisation GenAI de ses clients.

Google Cloud a également lancé une nouvelle intégration avec LangChain, un framework open source populaire qui permet de connecter les données client dans de grands modèles de langage (LLM). Andi Gutmans, directeur général de Google Cloud et vice-président des bases de données, a déclaré que toutes les bases de données Google Cloud seront intégrées à LangChain.

Gutmans a déclaré que les nouvelles fonctionnalités répondent à la demande des clients de trouver un moyen d'obtenir davantage de valeur GenAI à partir de leurs données.

La société a également annoncé qu'elle ajouterait des fonctionnalités de recherche vectorielle à d'autres bases de données hébergées sur son cloud pour les clients, notamment Redis et MySQL. Cloud Spanner, Firestore et Bigtable bénéficieront également de capacités vectorielles, a déclaré Gutmans.

"La particularité de Spanner, c'est qu'il aura des capacités de recherche du voisin le plus proche, ce qui est une variante légèrement différente", a déclaré Gutmans. "Ce qui est vraiment excitant, ce sont les clients qui ont des cas d'utilisation vraiment très importants, par exemple des milliards de vecteurs, comme par exemple. comme un partitionnement en hauteur basé sur les utilisateurs. Vous pouvez imaginer que certaines des applications internes de Google sont partitionnées par les utilisateurs - ils seront capables de stocker et de rechercher des vecteurs à des milliards d'échelles (de vecteurs)", a-t-il déclaré. "Notre conviction est que n'importe quelle base de données , tout endroit qui stocke les données opérationnelles dont vous pourriez avoir besoin dans un cas d'utilisation de GenAI devrait également disposer de capacités vectorielles. conservez simplement les fonctionnalités de base de la base de données."

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!