AlloyDB AI

La generación automatizada de embeddings te ayuda a transformar fácilmente los datos operativos, como imágenes, texto y video, en embeddings de vectores usando modelos de embeddings de texto o de embeddings multimodales. Almacena embeddings en AlloyDB junto con tus datos relacionales y ejecuta búsquedas híbridas de similitud de vectores en todos los tipos de datos con una interfaz de SQL.

El índice de ScaNN usa el mismo algoritmo de búsqueda que la Búsqueda de Google y se basa en 12 años de investigación de Google. Realiza búsquedas semánticas avanzadas con una creación de índices hasta 10 veces más rápida, búsquedas de vectores hasta 4 veces más rápidas y búsquedas de vectores filtradas hasta 10 veces más rápidas que el índice HNSW estándar de PostgreSQL. AlloyDB AI ofrece mejoras adicionales, como la creación de índices paralelos, el mantenimiento automático de índices y la observabilidad de nivel empresarial para los índices de vectores.

El índice ScaNN de AlloyDB AI está profundamente integrado en el planificador de consultas de PostgreSQL para permitir consultas simples pero potentes en datos estructurados y no estructurados, de modo que no necesites implementar ni aprender una base de datos de vectores separada. El filtrado adaptable garantiza que los filtros, las uniones y los índices de vectores ofrezcan un rendimiento óptimo cuando se usan en conjunto.

Con el motor de consultas de AlloyDB AI, puedes usar lenguaje natural en consultas en SQL para expresar condiciones de filtrado y criterios de clasificación. El poder de los modelos de IA aporta razonamiento y conocimientos del mundo real a las consultas en SQL, lo que permite obtener observaciones semánticas detalladas de los datos de tu empresa.

Usa AlloyDB AI para proporcionar a los usuarios y agentes respuestas precisas a preguntas en lenguaje natural. Con el lenguaje natural de AlloyDB AI, puedes superar los problemas de ambigüedad, flexibilidad y seguridad que suelen presentarse en las interfaces de lenguaje natural. AlloyDB AI puede resolver ambigüedades en las preguntas de los usuarios e incorporar datos del esquema, datos de muestra y otras fuentes para aumentar la precisión y bloquear el acceso a datos no autorizados.