Der Moment ist endlich gekommen. Künstliche Intelligenz hat sich nach links verschoben. Was einst in unternehmensweiten Data-Science- und Machine-Learning-Teams entwickelt wurde und oft dort feststeckte, ist jetzt für Entwickler auf der ganzen Welt leicht verfügbar. Um jedoch die unglaubliche Leistungsfähigkeit dieser neuen Tools nutzen zu können, müssen Sie auf einer zuverlässigen, zusammensetzbaren und eleganten Datenplattform aufbauen. Gleichzeitig sind diese neuen Funktionen, wie wir alle gesehen haben, nur so gut wie die Daten oder die „Grundwahrheit“, auf die sie zugreifen müssen. Aus diesem Grund freuen wir uns, der MongoDB Atlas Developer Data Platform eine weitere Funktion hinzuzufügen, um das volle Potenzial Ihrer Daten auszuschöpfen und KI-Anwendungen voranzutreiben. MongoDB freut sich, heute unsere aufregende neue Vector Search bekannt zu geben, die den Anforderungen von Daten in allen Formen gerecht wird und es unserer Zusammenarbeit ermöglicht, diese unglaublichen neuen Funktionen zu nutzen.
Was ist Vector Search?
Für diejenigen unter Ihnen, die es nicht kennen: Die Vektorsuche ist eine Funktion, mit der Sie Ihre Daten auf der Grundlage der Semantik oder der Bedeutung der Daten und nicht auf der Grundlage der Daten selbst abfragen können. Möglich wird dies dadurch, dass man jede Form von Daten numerisch als Vektor darstellen kann, die dann durch Algorithmen miteinander verglichen werden können. Der erste Schritt besteht darin, Quelldaten – Text, Audio, Bild oder Video – zu nehmen und sie mithilfe eines „Kodierungsmodells“ in „Vektoren“ oder „Einbettungen“ umzuwandeln. Dank der jüngsten Fortschritte in der künstlichen Intelligenz sind diese Vektoren nun besser in der Lage, die Bedeutung von Daten zu erfassen, indem sie niedrigerdimensionale Daten in einen höherdimensionalen Raum projizieren, der mehr Kontext zu den Daten enthält. Sobald diese Daten in diese numerischen Darstellungen umgewandelt wurden, können Sie Abfragen durchführen, um ähnliche Werte mithilfe eines Algorithmus für ungefähre nächste Nachbarn zu finden, der es Ihren Abfragen ermöglicht, sehr schnell Daten mit ähnlichen Vektoren zu finden. Auf diese Weise können Sie Anfragen wie „Gib mir Filme, die traurig sind“ oder „Gib mir Bilder, die aussehen wie ...“ erfüllen. Diese Funktion eröffnet eine völlig neue Klasse von Funktionen.
In welcher Beziehung steht es zu unserer Plattform?
Da diese Funktionalität nativ in MongoDB Atlas integriert ist, müssen Sie Ihre Daten nicht kopieren und transformieren, keinen neuen Stack und keine neue Syntax erlernen oder eine völlig neue Infrastruktur managed . Mit der Atlas Vector Search von MongoDB können Sie diese leistungsstarken neuen Funktionen innerhalb einer erstklassigen und kampferprobten Plattform nutzen, um Anwendungen schneller zu erstellen. Viele der mit der Nutzung von KI und Vector Search verbundenen Herausforderungen ergeben sich aus der Komplexität, die mit der sicheren Offenlegung Ihrer Anwendungsdaten verbunden ist. Diese Aufgaben erhöhen die Reibungspunkte für die Entwicklererfahrung und erschweren das Erstellen, Debuggen und Warten Ihrer Anwendungen. MongoDB beseitigt diese Herausforderungen und bringt gleichzeitig die Leistungsfähigkeit der Vector Search auf eine Plattform, die organisch vertikal und horizontal skaliert, um praktisch jede Arbeitslast zu bewältigen, die Sie ihr auferlegen. Schließlich ist nichts davon ohne Garantien in Bezug auf Sicherheit und Verfügbarkeit von Bedeutung, und das Engagement von MongoDB für eine sichere Datenverwaltungslösung zusammen mit hoher Verfügbarkeit durch Redundanz und automatischem Failover trägt dazu bei, dass Ihre Anwendung nie einen Takt verpasst.
Wie interagiert es mit der Umgebung?
Angesichts der enormen Leistungsfähigkeit, die künstliche Intelligenz bietet, war es noch nie so wichtig, eine solide Abstraktion über die Fähigkeit zu haben, um Entwicklern die Flexibilität zu bieten, die sie benötigen. Vor diesem Hintergrund freuen wir uns, Ihnen mitteilen zu können, dass wir in LangChain und LlamaIndex mehrere Funktionen unterstützen, von der Unterstützung der Vektorsuche bis hin zur Chat-Protokollierung und Dokumentindizierung. Wir gehen hier schnell voran und werden weiterhin neue Funktionen für die führenden Anbieter veröffentlichen.
Einpacken
Wir kündigen heute die öffentliche Vorschau von Vector Search an und freuen uns auf weitere spannende Ankündigungen bei MongoDB.local London, während wir diese Lösung weiterentwickeln und so bald wie möglich zur allgemeinen Verfügbarkeit gelangen. Wir werden uns auch mit weiteren Frameworks und Plugin-Architekturen befassen, die wir unterstützen können. Aber wie immer sind Sie als Entwickler der wichtigste Teil dieser Gleichung. Wir werden mit der Community sprechen und Wege finden, wie wir Ihnen am besten dienen können, und sicherstellen, dass wir Ihre Bedürfnisse bei jedem Schritt erfüllen. Geh hin und baue!
Um mehr über Atlas Vector Search zu erfahren und herauszufinden, ob es die richtige Lösung für Sie ist, schauen Sie sich unsere Dokumentation, unser Whitepaper und unsere Tutorials an oder legen Sie noch heute los.