Googleは、開発者や組織が生成AIの機能を活用できるよう、データベースや分析プラットフォームを強化しています。2024年には、Gemini大規模言語モデル(LLM)にいくつかの新機能が追加され、その利用範囲が広がりました。最近、GoogleはGeminiモデルをBigQuery分析サービスに統合し、AIを用いたデータ準備や強化生成(RAG)に関する新機能を発表しました。加えて、Googleはすべてのクラウドデータベースでベクトル検索機能を導入し、AIデータベースの能力を大きく広げています。
「ベクトルインデックスとベクトル検索は、すべてのデータベースの基本であるべきだと考えています」と、Google Cloudのデータベース担当GMでVPのアディ・グートマンズ氏は述べました。「データベースは、効果的な強化生成において重要な役割を果たし、企業におけるAIの利点を最大化します。」
Googleデータベース全体でベクトル検索が利用可能に
これまでGoogleは一部のデータベースでベクトルサポートを提供していましたが、今回すべてのサービスにこの機能を拡張します。Google AlloyDBデータベースは、すでにベクトルやAI機能を搭載しており、一般提供が開始されました。また、専用のベクトルデータベースであるGoogleのVertex AI Vector Searchサービスもこれらの進展を補完します。
新機能には、RedisのインメモリMemorystore、CloudSQL、Spannerリレーショナルデータベース、Firestoreドキュメントデータベース、Bigtableキー・バリューデータベースでのベクトルのプレビューサポートが含まれています。
すべてのGoogleデータベースでベクトル検索を統合するには、多大なエンジニアリング労力が必要です。グートマンズ氏は、オープンソースのPostgreSQLフレームワークに基づくAlloyDBにおいて、オープンソースのpgvector技術を活用してベクトルサポートを実装したことを指摘しつつ、ユーザー向けにパフォーマンスと機能を最適化するための広範な作業が行われていると述べました。
「各データベースの特有のアーキテクチャに合わせて、さまざまなワークストリームでイノベーションを進める必要があります」とグートマンズ氏は強調しました。ベクトル検索を使用したクエリ処理には、一般的に追加のインデックス付けが必要です。Googleはスケールでの大規模サービスの経験を活かし、ベクトル対応インデックスの構築に強みを持っています。
「長年にわたり、広告や検索部門で内部利用してきた経験から、ベクトル機能を深く理解しています」と彼は説明しました。
BigQueryがGemini Proモデルで強化
分析面では、Googleは最新のGemini ProモデルをサポートすることでBigQueryを強化しています。
「これにより、新たな分析シナリオが広がります」と、Google Cloudのデータ分析担当GMでVPのゲリット・カズマイア氏は最近の記者会見で述べました。
この高度な機能は、構造化データと非構造化データの両方における要約、感情抽出、分類、補完および翻訳の改善を含んでいます。カズマイア氏は、企業データの多くが、特に非構造化データの面で未利用のままであると強調しました。
「Gemini ProとBigQueryを使用することで、ユーザーは構造化データと非構造化データをシームレスに分析できるようになりました」と彼は付け加えました。
このように、Googleの新しい機能は、生成AIを活用したデータ分析の可能性を広げています。