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

AlloyDB AI fournit une suite intégrée de fonctionnalités d'IA et de machine learning (ML) dans AlloyDB pour PostgreSQL qui vous permet de créer des applications d'IA générative à l'aide des données de votre base de données opérationnelle. Vous pouvez exécuter des recherches de similarité vectorielle à haute vitesse, traduire des questions en langage naturel en requêtes SQL et appeler des modèles de base à partir de Gemini Enterprise Agent Platform, OpenAI et Anthropic directement depuis SQL.

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

  • Extension vector : l'extension PostgreSQL standard pgvector est personnalisée pour AlloyDB, sous le nom vector. Elle permet de stocker les embeddings générés dans une colonne vectorielle. L'extension ajoute également la compatibilité avec les fonctionnalités de quantification scalaire pour la création d'index IVF. Vous pouvez également créer un index IVFFlat ou HNSW (disponibles avec pgvector standard).

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

    Vous pouvez utiliser l'extension alloydb_scann avec PostgreSQL 14, 15, 16 et 17.

  • Extension google_columnar_engine : l'index ScaNN peut être chargé dans le moteur de données en colonnes pour accélérer davantage la recherche vectorielle.

  • Extension google_ml_integration : l'extension google_ml_integration fournit des fonctions d'IA permettant de générer des embeddings, d'effectuer un classement sémantique et d'implémenter des filtres, des jointures et des fonctions de génération/synthèse de texte reposant 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 façon 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 les embeddings vectoriels et effectuer des recherches de similarité très efficaces. Vous pouvez générer un index des plus proches voisins d'une grande efficacité grâce à l'algorithme ScaNN.

  • Effectuer des requêtes SQL intelligentes à l'aide des fonctions AlloyDB AI : utilisez l'IA directement dans vos requêtes SQL. Vous pouvez ainsi réorganiser les résultats de recherche pour une pertinence accrue, intégrer le langage naturel à vos requêtes SQL et générer des embeddings multimodaux pour la recherche vectorielle.

  • Appeler des modèles à l'aide de points de terminaison de modèle : enregistrez des modèles d'IA en tant que points de terminaison de modèle et appelez-les 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 textuel Gemini Enterprise Agent Platform ou les points de terminaison de modèle enregistrés pour générer des embeddings textuels 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 qui génère automatiquement une requête SQL précise permettant d'obtenir la réponse.

Étape suivante