MongoDB הכריזה על הזמינות הכללית של MongoDB Atlas Vector Search ו-MongoDB Atlas Search Nodes כדי להקל על ארגונים לבנות, לפרוס ולהרחיב באופן מאובטח יישומים מהדור הבא בפחות כסף.
MongoDB Atlas Vector Search מפשט את הבאת יכולות בינה מלאכותית וחיפוש סמנטי ליישומים בזמן אמת לחוויית משתמש קצה מרתקת ומותאמות אישית תוך שימוש בנתונים התפעוליים של הארגון. MongoDB Atlas Search Nodes מספקים תשתית ייעודית ליישומים המשתמשים בבינה מלאכותית וחיפוש מבוסס רלוונטיות כדי להרחיב עומסי עבודה ללא תלות במסד הנתונים ולנהל מקרי שימוש בתפוקה גבוהה עם גמישות, ביצועים ויעילות רבה יותר.
יחד, יכולות אלו ב-MongoDB Atlas מספקות לארגונים את הבסיס הנדרש לבנייה, פריסה והרחבה של יישומים המנצלים את היתרונות של AI גנרטיבי ויכולות חיפוש חזקות עם יעילות תפעולית וקלות שימוש רבה יותר. כדי להתחיל עם MongoDB Atlas,
ככל שהשימוש ב-MongoDB Atlas כפלטפורמת נתונים משולבת למפתחים גדל במהירות, ויותר לקוחות רוצים לנצל את ה-AI הגנרטיבי, הם ביקשו יכולות משולבות אחידות יותר כדי לעמוד בדרישות המשתנות של העסקים ומשתמשי הקצה שלהם - ו-MongoDB ענתה על הדרישה הזו:
שלב יכולות מופעלות בינה מלאכותית באפליקציות עם MongoDB Atlas Vector Search: בניגוד לפתרון תוסף המאחסן רק נתונים וקטוריים, MongoDB Atlas Vector Search מפעיל יישומי בינה מלאכותית מחוללת על ידי תפקוד כמסד נתונים וקטורי בעל ביצועים גבוהים וניתן להרחבה עם היתרונות הנוספים של שילוב עם מסד נתונים תפעולי מבוזר גלובלי שיכול לאחסן ולעבד את כל הנתונים של הארגון. זה מאפשר למפתחים להשתמש ב-API יחיד כדי לבנות ביתר קלות יישומי AI יצירתיים עבור כמעט כל סוג של עומס עבודה על פני ספקי ענן גדולים ללא המורכבות של שכפול וסנכרון מיותר של נתונים שדורשים מסדי נתונים וקטוריים. MongoDB Atlas Vector Search מאפשר ללקוחות להשתמש בקלות ובאופן מאובטח בדור אחזור מוגבר (RAG) עם מודלים מיומנים מראש (FMs) כדי למנף את הנתונים העדכניים שלהם עבור יישומים חכמים. כתוצאה מכך, יישומים שנבנו עם MongoDB Atlas Vector Search יכולים לספק תגובות מדויקות ורלוונטיות יותר עבור תחומים ספציפיים ומקרי שימוש מופעלי בינה מלאכותית ללא העבודה המורכבת והמייגעת של אימון וכוונון עדין של FMs או שימוש במסד נתונים נפרד לאחסון ועיבוד נתונים וקטוריים.
עם הזמינות הכללית של MongoDB Atlas Vector Search, לקוחות יכולים לבנות, לפרוס ולהתאים במהירות תכונות המונעות בינה מלאכותית מחיפוש סמנטי להשוואת תמונה להמלצות מותאמות אישית מאוד באמצעות פלטפורמה אחת, מוכרת ומאוחדת עם חיכוך מינימלי של מפתחים. מכיוון ש-MongoDB Atlas משתמש במודל נתונים מבוסס מסמכים גמיש וניתן להרחבה התומך כמעט בכל סוג של נתונים, לקוחות יכולים בקלות לשלב מגוון רחב של שאילתות עבור נתונים וקטוריים, צבירה אנליטית, חיפוש מבוסס טקסט, נתונים גיאו-מרחביים ונתוני סדרות זמן שאינם זמינים עם פתרונות אחרים להגדלת RAG ולשיפור התגובות לבקשות של משתמש קצה. לדוגמה, משתמש קצה יכול לבקש, "מצא רישומי נדל"ן עם בתים שנראים כמו תמונה זו, שנבנו בחמש השנים האחרונות, ונמצאים באזור בטווח של שבעה מייל צפונית למרכז העיר סיאטל עם בתי ספר מדורגים והליכה. מרחק לפארקים", ואפליקציה הפועלת על MongoDB Atlas יכולה לספק במהירות ובצורה חלקה ל-FM את הנתונים הנכונים להפקת תוצאות מדויקות - ללא המורכבות של עיבוד שאילתות נפרדות על פני מספר מאגרי נתונים שיכולים להגדיל את זמני התגובה ולפגוע בחוויות משתמש הקצה.
המקור: חברת MongoDB בכתובת הזאת.