Créer des applications d'IA générative à l'aide d'AlloyDB AI

En tant que base de données compatible avec PostgreSQL, AlloyDB s'intègre parfaitement aux outils et frameworks compatibles avec PostgreSQL, ainsi qu'à d'autres services de l'environnement Google Cloud .

AlloyDB AI fournit une suite de fonctionnalités d'IA et de ML qui vous permettent de créer des applications d'IA générative. Ces fonctionnalités vous permettent de créer des applications dotées de capacités telles que la recherche vectorielle pour la similarité sémantique, les requêtes en langage naturel et l'intégration aux modèles de machine learning de fournisseurs tels que Google, OpenAI et Anthropic.

Pour simplifier le processus de création d'applications d'IA, AlloyDB fournit les extensions suivantes :

  • Extension vector : l'extension pgvector PostgreSQL standard est personnalisée pour AlloyDB et est appelée vector. Il permet de stocker les embeddings générés dans une colonne vectorielle. L'extension ajoute également la compatibilité avec les fonctionnalités de quantification scalaire pour créer des index IVF. Vous pouvez également créer un index IVFFlat ou HSNW disponible avec le pgvector de stock.

  • Extension alloydb_scann : l'extension alloydb_scann implémente un index des plus proches voisins très efficace, basé sur l'algorithme ScaNN.

    Vous pouvez utiliser l'extension alloydb_scann avec les bases de données compatibles avec PostgreSQL 14 et 15.

  • Extension google_ml_integration : l'extension google_ml_integration fournit la fonctionnalité de moteur de requête d'IA, qui inclut des fonctions permettant de générer des embeddings, d'effectuer un classement sémantique et d'implémenter des filtres, des jointures et la génération/résumé de texte basés sur l'IA. Cette extension fournit également des fonctions permettant d'enregistrer des métadonnées pour les modèles d'IA. Les métadonnées enregistrées sont ensuite utilisées pour appeler des prédictions à partir de ces modèles.

  • Extension alloydb_ai_nl : l'extension alloydb_ai_nl permet aux développeurs de créer des applications qui répondent avec précision et de manière sécurisée aux questions en langage naturel des utilisateurs finaux sur les données de la base de données AlloyDB. Les données sont ainsi accessibles aux utilisateurs qui ne maîtrisent pas l'écriture de code SQL.

Voici quelques cas d'utilisation que ces extensions permettent :

  • Recherche vectorielle : utilisez AlloyDB pour stocker des embeddings vectoriels et effectuer des recherches de similarités très efficaces. Vous pouvez générer un index des plus proches voisins très efficace grâce à l'algorithme ScaNN.

  • Effectuer des requêtes SQL intelligentes à l'aide du moteur de requêtes AlloyDB AI : utilisez l'IA directement dans vos requêtes SQL. Cela vous permet de reclasser les résultats de recherche pour une pertinence accrue, d'intégrer le langage naturel à vos requêtes SQL et de générer des embeddings multimodaux pour la recherche vectorielle.

  • Appeler des modèles à l'aide de points de terminaison de modèles : enregistrez des modèles d'IA en tant que points de terminaison de modèles et appelez les points de terminaison depuis AlloyDB pour générer des embeddings, appeler des prédictions ou effectuer des recherches par similarité.

  • Générer des embeddings et appeler des prédictions : utilisez les modèles d'embedding de texte Vertex AI ou les points de terminaison de modèles enregistrés pour générer des embeddings de texte ou multimodaux.

  • Générez des instructions SQL à partir du langage naturel : ajoutez des fonctionnalités de langage naturel à votre application et interagissez avec AlloyDB en posant des questions en langage naturel. Les questions en langage naturel sont ensuite traitées par AlloyDB/AI pour générer automatiquement une requête SQL précise permettant d'obtenir la réponse.

Étapes suivantes