谷歌雲端資料庫增加更多人工智慧功能

Google雲端正在加強其分析和事務資料庫，包括BigQuery, AlloyDB和Spanner，旨在推動其客戶產生人工智慧應用程式的開發。

BigQuery是Google雲端的高階資料庫服務，專為支援分析和人工智慧任務而設計。該服務引入了多項人工智慧增強功能。首先，Google雲端推出了BigQuery和Vertex AI的整合預覽版本，專注於文字和語音方面的功能。這項整合將使用戶能夠從非結構化數據，如圖像和文件中提取有價值的見解。

公司最強大的人工智慧模型雙子座(Gemini)已經透過Vertex AI向BigQuery客戶開放。上週，該模型在消費者市場首次亮相時表現不盡人意，引發了一些爭議。

這些AI功能是在BigQuery早前宣布推出向量搜尋功能之後推出的。預覽中的向量搜尋功能是GenAI應用程式的關鍵元件，支援使用大型語言模型進行相似性搜尋和檢索增強生成(RAG)。

BigQuery中直接存取Vertex AI可以從多個方面為Google雲端AI客戶提供易用性，Google雲端AI總經理兼資料分析副總裁Gerrit Kazmaier表示。

在新聞發布會上，Kazmaier提到身為資料分析從業者，你可以透過SQL命令列或BigQuery嵌入式Python API存取所有Vertex AI模型，包括Gemini模型。這使得存取這些模型變得更加便捷，無需依賴資料科學家或機器學習平台。你可以直接在自己工作領域，利用手邊的資料來進行存取。這項新技術的出現為數據分析帶來了更多可能性和靈活性。

Kazmaier指出，整合的第二個優點是更輕鬆地存取人工智慧模型所需的資料。在整合之前，將資料傳輸至人工智慧模型通常需要建立和維護資料管道來移動資料。他表示，現在這一切都變得不再必要。 「所有繁雜的程式都已經被簡化了。」

在vertex中，利用基於文字和圖像的人工智慧模型的能力，資料分析師可以透過BigQuery獲得更多的資料分析優勢，為客戶帶來更多的好處。

「這開啟了分析情境的全新階段。」他說，結構化和非結構化資料的總結、情緒提取、分類、濃縮、翻譯是一件大事。粗略地說，90%的數據都是非結構化的。這些數據通常不會用於企業數據分析，因為你無法以有意義的方式處理它們。

在事務(或營運)方面，Google雲端宣布全面推出AlloyDB AI，這是該公司在去年的Next 23大會上發布的託管Postgres資料庫的AI專用版本。 AlloyDB AI具備儲存向量嵌入和執行向量搜尋功能的能力，Google雲端將其視為其客戶GenAI用例的核心元件。

Google雲端也推出了與LangChain的新集成，LangChain是一個流行的開源框架，可以幫助將客戶資料連接到大型語言模型(LLM)。谷歌雲端總經理兼資料庫副總裁Andi Gutmans表示，Google雲端的所有資料庫都將與LangChain整合。

Gutmans說，新的功能是為了回應客戶的需求，找到一種從他們的資料中獲得更多GenAI價值的方法。

該公司也宣布，將在其雲端上為客戶託管的其他資料庫(包括Redis和MySQL)中加入向量搜尋功能。 Gutmans說，Cloud Spanner、Firestore和Bigtable也將獲得向量功能。

「Spanner的特別之處在於它將具有最近鄰搜尋功能，這是一個稍微不同的變體。」Gutmans說，「真正令人興奮的是那些擁有非常非常大的用例的客戶——例如，數萬億的向量，例如基於用戶的高度分區。你可以想像，谷歌的一些內部應用程序是按用戶劃分的——它們將能夠以萬億(向量)規模存儲和搜索向量。”

他說:「我們的信念是，任何資料庫，任何儲存操作資料的地方，你可能需要在GenAI用例中使用，也應該具有向量能力。」「這與15到20年前資料庫都添加JSON支援時沒有什麼不同。我們認為，好的向量功能應該只是保持資料庫的基礎功能。」