Amazon Cloud Technology startete auf dem New York Summit am 26. Juli 2023 sieben generative KI-Innovationsprojekte, die die Schwelle für den Einsatz generativer KI weiter senkten und es Unternehmen ermöglichten, sich stärker auf ihr Kerngeschäft zu konzentrieren und die Produktionseffizienz zu verbessern. Eines der auffälligsten Projekte sind die bevorstehenden Innovationen im Zusammenhang mit Vektordatenbanken von Amazon Cloud Technology, bei denen eine Vorschauversion der Vektor-Engine von Amazon Cloud Technology veröffentlicht wurde
Kürzlich hat Amazon Cloud Technology eine Vorschauversion der Amazon OpenSearch Serverless-Vektor-Engine veröffentlicht. Diese Version stellt einen großen Fortschritt bei Cloud-Suchdiensten dar und bietet Benutzern einfache, leistungsstarke und skalierbare Ähnlichkeitssuchfunktionen
Im Februar 2023 wurde Amazon Cloud Technology von Gartner acht Jahre in Folge als führend bei Cloud-Datenbank-Managementsystemen eingestuft. Eine solche Auszeichnung ist kein Zufall, sondern eine volle Bestätigung des unermüdlichen Strebens von Amazon Cloud Technology nach technologischer Innovation und Exzellenz.
Wie ist die Leistung der Vorschauversion der Vektor-Engine von Amazon Cloud Technology? Kann es die Erwartungen der Öffentlichkeit erfüllen?
Wir alle wissen, dass generative KI in dieser Zeit von verschiedenen Branchen schnell übernommen wird, da sie große Datenmengen verarbeiten, die Generierung von Inhalten automatisieren und menschenähnliche interaktive Antworten liefern kann. KI-Anwendungen wie integrierte Chatbots, Frage-und-Antwort-Systeme und personalisierte Empfehlungen nutzen die Suche und Abfrage in natürlicher Sprache, um Semantik und Benutzerabsichten zu verstehen und anthropomorphe Antworten zu generieren, die das Benutzererlebnis und die Interaktion mit digitalen Plattformen revolutioniert haben.
Machine-Learning-Suche und generative KI-Anwendungen erfordern die Verwendung von Vektoreinbettungen, um digitale Formen von Text, Bildern, Audio und Video darzustellen und dynamische Inhalte zu generieren. Diese Einbettungen werden auf Benutzerdaten trainiert, um die Semantik und den Kontext der Informationen auszudrücken. Dieser Prozess ist nicht auf externe Datenquellen oder Anwendungen angewiesen. Benutzer hoffen, dass die Vektordatenbank einfach aufgebaut und schnell vom Prototyp in die Produktionsumgebung verschoben werden kann, sodass sie sich auf differenzierte Anwendungen konzentrieren können
Daher lässt sich seine Leistung grob wie folgt zusammenfassen:
Der neu geschriebene Inhalt ist: Erstens ist die Testversion der Amazon OpenSearch Serverless Vector Engine von Natur aus robust. Benutzer müssen sich keine Gedanken über die Auswahl, Optimierung und Skalierung der Backend-Infrastruktur machen. Die Engine passt die Ressourcen automatisch an sich ändernde Arbeitslasten und Anforderungen an und sorgt so jederzeit für schnelle Leistung und die richtige Skalierung. Unabhängig davon, ob die Anzahl der Vektoren von Tausenden auf Hunderte Millionen steigt, kann die Engine nahtlos skaliert werden, ohne dass Daten neu indiziert oder neu geladen werden müssen, was die Erweiterung der Infrastruktur komfortabler macht
Umgeschriebener Inhalt: Zweitens unabhängige Computerressourcen. Die Vektor-Engine stellt unabhängige Rechenressourcen für die Indizierung und Workload-Suche bereit und ermöglicht so die nahtlose Erfassung, Aktualisierung und Löschung von Vektoren in Echtzeit, sodass die Leistung der Benutzerabfragen nicht beeinträchtigt wird. Die Daten werden langfristig in Amazon S3 mit den gleichen Datenhaltbarkeitsgarantien gespeichert. Obwohl sich die Engine in der Vorschau befindet, ist sie für Produktionsumgebungen konzipiert und verfügt über Redundanzmechanismen, um Ausfälle und Ausfälle zu bewältigen
Drittens sind die bereitgestellten Ergebnisse genau und zuverlässig. Kunden nutzen die kNN-Suche von OpenSearch in verwalteten Clustern, um semantische Suche und personalisierte Empfehlungen für Anwendungen zu implementieren. Die Vektor-Engine bietet das gleiche Benutzererlebnis wie die serverlose Umgebung und ist einfach und benutzerfreundlich. Die serverlose Vektor-Engine von Amazon OpenSearch basiert auf der k-Nearest Neighbor (kNN)-Suchfunktion des OpenSearch-Projekts. Sie unterstützt Distanzindikatoren wie Euklidische Distanz, Kosinusdistanz und Skalarprodukt. Sie kann 16.000 Dimensionen aufnehmen und ist für verschiedene Basisfunktionen geeignet Modelle und KI/ML-Modelle können Benutzern genaue und zuverlässige Suchergebnisse liefern
Amazon Cloud Technology plant die Einführung von zwei Funktionen, um die Kosten für die Erstabholung für Kunden zu senken. Zusätzlich zu der oben erwähnten großartigen Leistung werden sie zunächst eine neue Dev-Test-Option einführen, die es Benutzern ermöglicht, Sammlungen ohne Backups oder Replikate zu starten, wodurch die Einstiegskosten um 50 % gesenkt werden. Die Datenhaltbarkeit wird weiterhin über die in Amazon S3 hinterlegte Vektor-Engine gewährleistet. Zweitens werden sie auch eine Anfangsphasenkonfiguration von 0,5 OCU-Ressourcen bereitstellen, die je nach tatsächlichem Arbeitslastbedarf erweitert werden kann, um die Kosten weiter zu senken. Diese Funktion funktioniert mit Zehntausenden bis Hunderttausenden Vektoren (abhängig von den Abmessungen). Darüber hinaus hat Amazon Cloud Technology die erforderliche Mindest-OCU von 4 pro Stunde auf 1 pro Stunde gesenkt, um mehr Support zu bieten
Die Ambitionen von Amazon Cloud Technology enden damit noch lange nicht: Sie arbeiten auch weiterhin hart daran, die Leistung und Speichernutzung von Vektorgrafiken zu optimieren, einschließlich der Verbesserung von Funktionen wie Caching und Zusammenführung
In naher Zukunft freuen wir uns darauf, dass Amazon Cloud Technology die OpenSearch Serverless-Vektor-Engine offiziell einführt. Bis dahin könnte die generative KI ein ganz neues Feld betreten
Das obige ist der detaillierte Inhalt vonVorschauversion der Vektordatenbank von Amazon Cloud Technology jetzt im Verkauf; hohe Leistung trägt zur Beschleunigung von KI-Anwendungen bei. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
