Общая доступность знаний MongoDB Atlas Vector Search для Amazon Bedrock

MongoDB публично анонсировала интеграцию Atlas Vector Search с Amazon Bedrock, впервые представленную на Amazon Re:Invent в прошлом году. Это сотрудничество позволяет разработчикам синхронизировать свои базовые модели и ИИ-агентов с конфиденциальными данными, хранящимися в MongoDB, что повышает актуальность, точность и персонализацию ответов с помощью Retrieval Augmented Generation (RAG).

"Многие компании беспокоятся о точности выводов из систем ИИ, одновременно защищая свои конфиденциальные данные," заявил Сахир Азам, главный специалист по продуктам MongoDB. "Мы упрощаем процесс для совместных клиентов MongoDB и AWS, позволяя им использовать различные базовые модели, размещенные в своей среде AWS. Это дает возможность разрабатывать приложения генеративного ИИ, которые безопасно интегрируют их конфиденциальные данные в MongoDB Atlas, тем самым улучшая точность и повышая качество пользовательского опыта."

Amazon Bedrock, управляемый сервис AWS для генеративного ИИ, служит центральным хранилищем для нужд корпоративных клиентов в разработке ИИ-приложений. Растущий ассортимент моделей включает разработки от Amazon, Anthropic, Cohere, Meta, Mistral и Stable Diffusion. Хотя использование внешне обученных моделей может быть полезным, компании часто предпочитают применять свои собственные базы данных для глубокого понимания потребностей клиентов.

Интеграция MongoDB играет в этом ключевую роль. Разработчики могут адаптировать свои выбранные базовые модели с использованием конфиденциальных данных, что позволяет без труда разрабатывать приложения вокруг новообученных LLM без ручного вмешательства. "Вы можете создавать приложения генеративного ИИ, но если не интегрируете свои данные в реальном времени, вы получите обобщенные ответы," объяснил Скотт Санчес, вице-президент по продуктовому маркетингу и стратегии MongoDB, на пресс-конференции.

"Эта интеграция с MongoDB упрощает клиентам процесс сопоставления данных," добавил он. "Они могут индивидуально настраивать свои большие языковые модели с помощью конфиденциальных данных, преобразуя их в векторные представления, хранящиеся в MongoDB. Например, ритейлер может создать приложение генеративного ИИ, используя автономные агенты для управления такими задачами, как запросы по инвентарю в реальном времени или возвраты от клиентов."

Этот анонс следует за предыдущими сотрудничествами между MongoDB и AWS, включая доступ к поиску векторов MongoDB на Amazon SageMaker и поддержку Atlas от CodeWhisperer. MongoDB продолжает внедрять инновации, запуская инициативы, такие как Программа AI Applications (MAAP), чтобы помочь корпоративным клиентам в разработке ИИ-приложений.