Google Cloud فناوری جستجو و YouTube را برای برنامه‌های کاربردی هوش مصنوعی عمومی سازمانی ارائه می‌کند

همانطور که هوش مصنوعی مولد به پیشرفت خود ادامه می دهد، داشتن یک چت بات ساده ممکن است برای بسیاری از سازمان ها کافی نباشد.

مقیاس‌کننده‌های ابری در حال رقابت برای ساخت پایگاه‌های اطلاعاتی و ابزارهای خود هستند تا به سازمان‌ها کمک کنند تا داده‌های عملیاتی را به سرعت و کارآمد مستقر کنند و به آنها امکان می‌دهد برنامه‌های کاربردی هوشمند و آگاه از زمینه بسازند.

نمونه موردی: دسته‌ای از به‌روزرس،‌های اخیر Google Cloud برای چندین پایگاه داده، که با AlloyDB شروع می‌شود.

طبق یک پست وبلاگی از این شرکت، پایگاه داده کاملاً مدیریت شده سازگار با PostgreSQL اکنون از شاخص برداری ScaNN (نزدیکترین همسایه مقیاس پذیر) در دسترس پذیری عمومی پشتیب، می کند. این فناوری خدمات جستجو و یوتیوب را تقویت می‌کند و راه را برای تولید فهرست سریع‌تر و جستجوهای برداری هموار می‌کند در حالی که حافظه بسیار کمتری مصرف می‌کند.

علاوه بر این، این شرکت همچنین همکاری با Aiven را برای استقرار مدیریت شده AlloyDB و همچنین به‌روزرس،‌های Memorystore برای Valkey و Firebase اعلام کرد.

درک ارزش ScaNN برای AlloyDB

پایگاه داده های برداری برای اجرای بارهای کاری پیشرفته هوش مصنوعی، از چت ربات های RAG تا سیستم های توصیه گر، ضروری هستند.

در قلب این سیستم‌ها قابلیت‌های اساسی مانند ذخیره‌سازی و مدیریت تعبیه‌های برداری (نمایش عددی داده‌ها) و انجام جستجوهای مشابه لازم برای برنامه‌های هدف قرار دارد.

از آنجایی که ا،ر توسعه دهندگان در جهان PostgreSQL را به ،وان پایگاه داده عملیاتی خود ترجیح می دهند، ،د آن برای جستجوی برداری، pgvector، بسیار محبوب شده است. Google Cloud در حال حاضر آن را در AlloyDB برای PostgreSQL، با یک الگوریتم مبتنی بر نمودار مدرن به نام Hierarchical Navigable Small World (HNSW) که عملکردهای برداری را کنترل می کند، پشتیب، می کند.

با این حال، در مواقعی که حجم کار بردار بسیار زیاد است، عملکرد الگوریتم ممکن است کاهش یابد و منجر به تأخیر قابل توجه برنامه و استفاده از حافظه شود.

برای رفع این مشکل، Google Cloud نمایه برداری ScaNN در AlloyDB را در دسترس عموم قرار می دهد. این فهرست جدید از فناوری مشابهی استفاده می‌کند که جستجوی Google و YouTube را قادر می‌سازد تا چهار برابر سریع‌تر پرس‌و‌جوهای برداری و تا هشت برابر سریع‌تر زمان‌های ایجاد فهرست را ارائه دهد، با ردپای حافظه‌ای که ۳ تا ۴ برابر کوچک‌تر از شاخص HNSW در PostgreSQL استاندارد است. .

اندی گاتمنز، GM و معاون معمار پایگاه داده در Google، «شاخص ScaNN اولین شاخص سازگار با PostgreSQL است که می‌تواند از بیش از یک میلیارد اتوبوس پشتیب، کند و در عین حال عملکرد جستجوی پیشرفته را حفظ کند – و بار کاری با کارایی بالا را برای هر شرکتی امکان‌پذیر می‌کند». ابر، در یک پست در وبلاگ نوشت.

Gutmans همچنین اعلام کرد که با Aiven همکاری می کند تا AlloyDB Omni، نسخه قابل دانلود AlloyDB را به ،وان یک سرویس مدیریت شده در دسترس قرار دهد که در هر مک، اجرا می شود، از جمله در محل یا در فضای ابری.

اکنون می‌تو،د بارهای کاری بین ابری، تحلیلی و برداری را روی یک پلتفرم واحد اجرا کنید و به راحتی شروع به ساخت برنامه‌های هوش مصنوعی عمومی کنید، همچنین در هر فضای ابری. وی افزود.

چه چیزی در Memorystore برای Valkey و Firebase وجود دارد؟

علاوه بر AlloyDB، Google Cloud بهبودهایی را در Memorystore برای Valkey، مجموعه کاملاً مدیریت شده پایگاه داده درون حافظه Valkey و پلتفرم توسعه برنامه Firebase اعلام کرد.

در مورد پیشنهاد Valkey، این شرکت گفت که در حال اضافه ، قابلیت های جستجوی برداری است. گاتمنز خاطرنشان کرد که یک نمونه Memorystore از Valkey اکنون می‌تواند جستجوی شباهت را با تأخیر میلی‌ث،ه‌ای تک رقمی در بیش از یک میلیارد بردار، با بیش از ۹۹ درصد یادآوری انجام دهد.

او همچنین اضافه کرد که نسخه بعدی Memorystore برای Valkey، 8.0، اکنون در پیش نمایش عمومی با سرعت پرس و جو 2 برابر بیشتر در مقایسه با Memorystore for Redist C،er، یک سیستم تکراری جدید، بهینه سازی شبکه و مشاهده دقیق عملکرد و استفاده از منابع است.

در مورد Firebase، Google در حال اضافه ، Cloud Data Connect است، یک باطن جدید به ،وان یک سرویس که با پایگاه داده PostgreSQL کاملاً مدیریت شده توسط Cloud SQL یکپارچه خواهد شد. در اوا، سال جاری برای پیش نمایش عمومی منتشر خواهد شد.

با این پیشرفت‌ها، Google Cloud امیدوار است که توسعه‌دهندگان مجموعه گسترده‌تری از زیرساخت‌ها و قابلیت‌های پایگاه داده – همراه با مدل‌های زبان قدرتمند – برای ساخت برنامه‌های کاربردی هوشمند برای سازمان‌های خود داشته باشند. باید دید این پیشرفت‌های جدید چگونه در موارد استفاده در دنیای واقعی به کار گرفته می‌شوند، اما روند کلی این است که انتظار می‌رود حجم برنامه‌های هوش مصنوعی به میزان قابل توجهی افزایش یابد.

Omdia ،ن می زند که بازار برنامه های کاربردی هوش مصنوعی از 6.2 میلیارد دلار در سال 2023 به 58.5 میلیارد دلار در سال 2028 خواهد رسید که نرخ رشد سالانه مرکب 56٪ است.