Jeremy Kelway, Αντιπρόεδρος Μηχανικής για Αναλυτικά, Δεδομένα και AI στην EDB – Σειρά Συνεντεύξεων

Ο Jeremy (Jezz) Kelway είναι Αντιπρόεδρος Μηχανικής στην EDB, με έδρα την περιοχή του Ειρηνικού Βορειοδυτικού της Αμερικής. Ηγείται μιας ομάδας που επικεντρώνεται στην παράδοση λύσεων αναλυτικών και AI βασισμένων στο Postgres. Με εμπειρία στη διαχείριση Database-as-a-Service (DBaaS), ηγεσία λειτουργίας και καινοτόμα παράδοση τεχνολογίας, ο Jezz έχει einen ισχυρό υπόβαθρο στην οδήγηση των προόδων στις αναδυόμενες τεχνολογίες.

Η EDB υποστηρίζει το PostgreSQL για να ευθυγραμμίσει με τις επιχειρηματικές προτεραιότητες, ενεργοποιώντας την ανάπτυξη εφαρμογών cloud-native, την οικονομικά αποδοτική μετεγκατάσταση από παλαιές βάσεις δεδομένων και την ευέλικτη ανάπτυξη σε υβριδικά περιβάλλοντα. Με μια αυξανόμενη πηγή ταλέντων και ισχυρές επιδόσεις, η EDB διασφαλίζει την ασφάλεια, την αξιοπιστία και τις υπεροχή εμπειρίες πελατών για εφαρμογές κρίσιμης αποστολής.

Γιατί το Postgres γίνεται ο προτιμώμενος διακομιστής βάσεων δεδομένων για την κατασκευή εφαρμογών γενετικής AI, και ποια είναι τα βασικά χαρακτηριστικά που το καθιστούν κατάλληλο για αυτό το εξελισσόμενο τοπίο;

Με περίπου 75% των αμερικανικών εταιρειών που υιοθετούν την τεχνολογία AI, αυτές οι επιχειρήσεις απαιτούν μια θεμελιώδη τεχνολογία που θα τους επιτρέψει να έχουν γρήγορη και εύκολη πρόσβαση στα άφθονα δεδομένα τους και να ενσωματώσουν πλήρως την τεχνολογία AI. Αυτό είναι το σημείο όπου το Postgres εισέρχεται.

Το Postgres είναι ίσως το τέλειο τεχνικό παράδειγμα μιας ανθεκτικής τεχνολογίας που έχει ξαναεμφανιστεί σε δημοτικότητα με μεγαλύτερη σχετικότητα στην εποχή της τεχνολογίας AI από ποτέ trước. Με ροβούστα αρχιτεκτονική, εγγενή υποστήριξη για πολλαπλά τύποι δεδομένων και επεκτασιμότητα από σχεδιασμό, το Postgres είναι ένας首要 υποψήφιος για τις επιχειρήσεις που επιδιώκουν να εκμεταλλευτούν την αξία των δεδομένων τους για παραγωγικές AI σε ένα κυρίαρχο και ασφαλές περιβάλλον.

Μέσα από τα 20 χρόνια που η EDB υπάρχει, ή τα 30+ χρόνια που το Postgres ως τεχνολογία υπάρχει, η βιομηχανία έχει περάσει από εξελίξεις, μετατοπίσεις και καινοτομίες, και μέσα από όλα αυτά, οι χρήστες συνεχίζουν να «χρησιμοποιούν απλά το Postgres» για να αντιμετωπίσουν τις πιο σύνθετες προκλήσεις δεδομένων.

Πώς εφαρμόζεται σήμερα η Retrieval-Augmented Generation (RAG) και πώς βλέπετε ότι θα διαμορφώσει το μέλλον της «Εξυπνης Οικονομίας»;

Οι ροές RAG κερδίζουν σημαντική δημοτικότητα και ορμή, με καλό λόγο! Όταν τοποθετηθεί στο πλαίσιο της «Εξυπνης Οικονομίας», οι ροές RAG ermögουν την πρόσβαση σε πληροφορίες με τρόπο που διευκολύνει την ανθρώπινη εμπειρία, εξοικονομώντας χρόνο με την αυτοματοποίηση και τον φιλτράρισμα των δεδομένων και της πληροφορίας που θα χρειαζόταν σημαντική χειρονακτική προσπάθεια και χρόνο για να δημιουργηθεί. Η αυξημένη ακρίβεια του βήματος «αναζήτησης» (Retrieval) σε συνδυασμό με την khảότητα να προσθέσετε συγκεκριμένο περιεχόμενο σε ένα ευρύτερα εκπαιδευμένο LLM προσφέρει πλούσια ευκαιρίες για να επιταχύνει και να βελτιώσει την ενημερωμένη λήψη αποφάσεων με σχετικά δεδομένα. Ένας χρήσιμος τρόπος για να σκεφτείτε αυτό είναι σαν να έχετε einen εξειδικευμένο ερευνητή που όχι μόνο βρίσκει τις σωστές πληροφορίες αλλά και τις παρουσιάζει με τρόπο που ταιριάζει στο контекст.

Ποια είναι κάποια από τα πιο σημαντικά προβλήματα που αντιμετωπίζουν οι οργανισμοί κατά την εφαρμογή της RAG σε παραγωγή, και ποίες στρατηγικές μπορούν να βοηθήσουν στην αντιμετώπιση αυτών των προβλημάτων;

Στο θεμελιώδες επίπεδο, η ποιότητα των δεδομένων σας είναι ο διαφοροποιητής AI σας. Η ακρίβεια, και ιδιαίτερα των γενετικών απαντήσεων, μιας εφαρμογής RAG θα είναι πάντα υπόκειται στην ποιότητα των δεδομένων που χρησιμοποιούνται για την εκπαίδευση και την ενίσχυση της εξόδου. Το επίπεδο σοφιστικέ της που εφαρμόζεται από το γενετικό μοντέλο θα είναι λιγότερο επωφελές αν/όταν οι εισαγωγές είναι ελαττωματικές, οδηγώντας σε λιγότερο κατάλληλες και απρόβλεπτες αποτελέσματα για την ερώτηση (συχνά αναφέρεται ως «hallucinations»). Η ποιότητα των πηγών δεδομένων σας θα είναι πάντα κλειδί για την επιτυχία του ανακτημένου περιεχομένου που τροφοδοτεί τα γενετικά βήματα—αν η έξοδος είναι επιθυμητή να είναι όσο το δυνατόν πιο ακριβής, οι πηγές δεδομένων για το LLM θα πρέπει να είναι όσο το δυνατόν πιο ενημερωμένες.

Από την πλευρά της απόδοσης, η υιοθέτηση μιας προληπτικής στάσης σχετικά με αυτό που η εφαρμογή RAG σας προσπαθεί να επιτύχει—μαζί με το πότε και το πού τα δεδομένα ανακτώνται—θα σας θέσει σε καλή θέση για να κατανοήσετε τις πιθανές επιπτώσεις. Για παράδειγμα, αν η ροή RAG σας ανακτά δεδομένα από διαμεσολαβικές πηγές δεδομένων (π.χ. συνεχώς ενημερωμένες βάσεις δεδομένων που είναι κρίσιμες για την επιχείρησή σας), η παρακολούθηση της απόδοσης αυτών των κρίσιμων πηγών δεδομένων, μαζί με τις εφαρμογές που ανακτώνται δεδομένα από αυτές τις πηγές, θα σας παρέχει κατανόηση σχετικά με τις πιθανές επιπτώσεις της ροής RAG. Αυτά τα μέτρα είναι ένα εξαιρετικό βήμα για τη διαχείριση των πιθανών ή πραγματικών επιπτώσεων στην απόδοση των κρίσιμων διαμεσολαβικών πηγών δεδομένων. Επιπλέον, αυτές οι πληροφορίες μπορούν επίσης να σας παρέχουν πολύτιμη контекστ για την ρύθμιση της εφαρμογής RAG για να επικεντρωθεί στην κατάλληλη ανάκτηση δεδομένων.

Δεδομένου της άνοδου των εξειδικευμένων διακομιστών βάσεων δεδομένων διανυσμάτων για την τεχνολογία AI, ποια είναι τα πλεονεκτήματα που προσφέρει το Postgres σε σχέση με αυτές τις λύσεις, ιδιαίτερα για τις επιχειρήσεις που επιδιώκουν να λειτουργήσουν φορτίσεις εργασίας AI;

Ένας διακομιστής βάσεων δεδομένων διανυσμάτων κρίσιμης αποστολής έχει την khảότητα να υποστηρίξει απαιτητικές φορτίσεις εργασίας AI ενώ διασφαλίζει την ασφάλεια δεδομένων, τη διαθεσιμότητα και την ευελιξία για την ενσωμάτωση με υπάρχουσες πηγές δεδομένων και δομημένες πληροφορίες. Η κατασκευή μιας λύσης AI/RAG συχνά χρησιμοποιεί έναν διακομιστής βάσεων δεδομένων διανυσμάτων, καθώς αυτές οι εφαρμογές εμπλέκονται με αξιολογήσεις ομοιότητας και συστάσεις που λειτουργούν με υψηλοδιαστατικά δεδομένα. Οι διακομιστές βάσεων δεδομένων διανυσμάτων λειτουργούν ως αποτελεσματική και αποτελεσματική πηγή δεδομένων για αποθήκευση, διαχείριση και ανάκτηση για αυτές τις κρίσιμες διαδικασίες δεδομένων.

Πώς διαχειρίζεται το EDB Postgres τις сложότητες της διαχείρισης διανυσμάτων δεδομένων για την τεχνολογία AI, και ποια είναι τα βασικά πλεονεκτήματα της ενσωμάτωσης φορτίσεων εργασίας AI σε ένα περιβάλλον Postgres;

Ενώ το Postgres δεν έχει εγγενή ικανότητα διανυσμάτων, το pgvector είναι μια επέκταση που σας επιτρέπει να αποθηκεύσετε τα διανυσματικά δεδομένα σας μαζί με τα υπόλοιπα δεδομένα σας στο Postgres. Αυτό επιτρέπει στις επιχειρήσεις να εκμεταλλευτούν τις ικανότητες διανυσμάτων μαζί με τις υπάρχουσες δομές βάσεων δεδομένων, απλοποιώντας τη διαχείριση και την ανάπτυξη εφαρμογών AI με την μείωση της ανάγκης για ξεχωριστές αποθήκες δεδομένων και σύνθετες μεταφορές δεδομένων.

Πώς βοηθά το Postgres τις οργανώσεις να ροκανίζουν τις διαδικασίες δεδομένων τους και να ξεκλειδώνουν ταχύτερες ερμηνείες χωρίς να προστίθενται сложότητες;

Αυτές οι διαδικασίες δεδομένων τροφοδοτούν αποτελεσματικά τις εφαρμογές AI. Με την ποικιλία των μορφών αποθήκευσης δεδομένων, των τοποθεσιών και των τύπων δεδομένων, οι сложότητες του πώς το βήμα ανάκτησης επιτυγχάνεται γρήγορα γίνονται μια ορατή πρόκληση, ιδιαίτερα καθώς οι εφαρμογές AI μετακινούνται από Proof-of-Concept σε Παραγωγή.

Η επέκταση EDB Postgres AI Pipelines είναι ένα παράδειγμα του πώς το Postgres παίζει einen κρίσιμο ρόλο στη διαμόρφωση του «διαχείρισης δεδομένων» της ιστορίας της εφαρμογής AI. Απλοποιώντας τη διαδικασία δεδομένων με αυτοματοποιημένες διαδικασίες για την ανάκτηση δεδομένων από το Postgres ή την αποθήκευση αντικειμένων, τη δημιουργία διανυσματικών ενσωματώσεων ως νέων δεδομένων που εισάγονται και την ενεργοποίηση ενημερώσεων των ενσωματώσεων όταν τα δεδομένα πηγής αλλάζουν—σημαίνει πάντα ενημερωμένα δεδομένα για ερώτηση και ανάκτηση χωρίς χρονοβόρες συντήρηση.

Τι καινοτομίες ή εξελίξεις μπορούμε να περιμένουμε από το Postgres στο κοντινό μέλλον, ιδιαίτερα καθώς η τεχνολογία AI συνεχίζει να εξελίσσεται και να απαιτεί περισσότερα από την υποδομή δεδομένων;

Ο διακομιστής βάσεων δεδομένων διανυσμάτων δεν είναι καθόλου ένα ολοκληρωμένο άρθρο, περαιτέρω ανάπτυξη και βελτίωση είναι αναμενόμενα καθώς η χρήση και η εξάρτηση από την τεχνολογία βάσεων δεδομένων διανυσμάτων συνεχίζει να αυξάνεται. Η κοινότητα PostgreSQL συνεχίζει να καινοτομεί σε αυτόν τον χώρο, αναζητώντας μεθόδους για την βελτίωση της ευρετηρίασης για να επιτρέψει πιο σύνθετα κριτήρια αναζήτησης μαζί με την πρόοδο της ικανότητας pgvector.

Πώς υποστηρίζει το Postgres, ιδιαίτερα με τις προσφορές της EDB, την ανάγκη για αναπτύξεις multi-cloud και υβριδικών cloud, και γιατί αυτή η ευελιξία είναι σημαντική για τις επιχειρήσεις που οδηγούνται από την τεχνολογία AI;

Μια πρόσφατη μελέτη της EDB δείχνει ότι το 56% των επιχειρήσεων αναπτύσσουν κρίσιμες εφαρμογές σε ένα υβριδικό μοντέλο, υπογραμμίζοντας την ανάγκη για λύσεις που υποστηρίζουν και την ευελιξία και την κυριαρχία δεδομένων. Το Postgres, με τις βελτιώσεις της EDB, παρέχει την απαραίτητη ευελιξία για περιβάλλοντα multi-cloud και υβριδικών cloud, ενδυναμώνοντας τις επιχειρήσεις που οδηγούνται από την τεχνολογία AI να διαχειρίζονται τα δεδομένα τους με και ευελιξία και έλεγχο.

Το EDB Postgres AI φέρνει ευελιξία cloud και παρατηρησιμότητα σε υβριδικά περιβάλλοντα με κυρίαρχο έλεγχο. Αυτή η προσέγγιση επιτρέπει στις επιχειρήσεις να ελέγχουν τη διαχείριση των μοντέλων AI, ενώ επίσης απλοποιούν τις συναλλακτικές, αναλυτικές και φορτίσεις εργασίας AI σε υβριδικά ή multi-cloud περιβάλλοντα. Επιτρέποντας την μεταφερσιμότητα δεδομένων, τον έλεγχο του TCO και μια εμπειρία cloud σε eine ποικιλία υποδομών, η EDB υποστηρίζει τις επιχειρήσεις που οδηγούνται από την τεχνολογία AI να πραγματοποιούν ταχύτερες και πιο ευέλικτες απαντήσεις σε σύνθετες απαιτήσεις δεδομένων.

Όσο η τεχνολογία AI γίνεται πιο ενσωματωμένη σε συστήματα επιχειρήσεων, πώς υποστηρίζει το Postgres τη διακυβέρνηση δεδομένων, την ιδιωτικότητα και την ασφάλεια, ιδιαίτερα στο контекστ της διαχείρισης ευαίσθητων δεδομένων για μοντέλα AI;

Όσο η τεχνολογία AI γίνεται και λειτουργική γωνία και διαφοροποιητής ανταγωνισμού, οι επιχειρήσεις αντιμετωπίζουν αυξανόμενες πιέσεις για την προστασία της ακεραιότητας δεδομένων και την τήρηση αυστηρών προτύπων συμμόρφωσης. Αυτό το εξελισσόμενο τοπίο τοποθετεί την κυριαρχία δεδομένων στο κέντρο—όπου η αυστηρή διακυβέρνηση, η ασφάλεια και η ορατότητα δεν είναι μόνο προτεραιότητες αλλά προαπαιτούμενα. Οι επιχειρήσεις πρέπει να γνωρίζουν και να είναι βέβαιες για το πού βρίσκονται τα δεδομένα τους και πού πηγαίνουν.

Το Postgres ξεχωρίζει ως η ραχοκοκαλιά για περιβάλλοντα δεδομένων που είναι έτοιμα για την τεχνολογία AI, προσφέροντας προηγμένα χαρακτηριστικά για τη διαχείριση ευαίσθητων δεδομένων σε υβριδικά και multi-cloud ρυθμίσεις. Η ανοιχτή του βάση σημαίνει ότι οι επιχειρήσεις επωφελούνται από την συνεχής καινοτομία, ενώ οι βελτιώσεις της EDB διασφαλίζουν την τήρηση των προτύπων ασφάλειας επιχείρησης, των λεπτομερών ελέγχων πρόσβασης και της βαθιάς παρατηρησιμότητας—κλειδί για την υπεύθυνη διαχείριση δεδομένων AI. Οι ικανότητες Sovereign AI της EDB χτίζουν σε αυτήν τη στάση, εστιάζοντας στην προσφορά της ικανότητας AI στα δεδομένα, διευκολύνοντας τον έλεγχο του πού πηγαίνουν τα δεδομένα και από πού.

Τι κάνει το EDB Postgres ιδιαίτερα ικανό να κλιμακώνει φορτίσεις εργασίας AI ενώ διατηρεί υψηλή διαθεσιμότητα και απόδοση, ιδιαίτερα για εφαρμογές κρίσιμης αποστολής;

Το EDB Postgres AI βοηθά στην αναβάθμιση της υποδομής δεδομένων σε einen στρατηγικό τεχνολογικό περιουσιακό στοιχείο, φέρνοντας τα αναλυτικά και τα συστήματα AI πιο κοντά στα δεδομένα λειτουργίας και συναλλαγών των πελατών—όλα διαχειριζόμενα μέσω του Postgres. Παρέχει την πλατφόρμα δεδομένων για εφαρμογές που οδηγούνται από την τεχνολογία AI, μειώνοντας την复雑ότητα της υποδομής, βελτιώνοντας την οικονομική αποδοτικότητα και ικανοποιώντας τις απαιτήσεις επιχείρησης για κυριαρχία δεδομένων, απόδοση και ασφάλεια.

Μια κομψή πλατφόρμα δεδομένων για σύγχρονους χειριστές, dévelopers, μηχανικούς δεδομένων και κατασκευαστές εφαρμογών AI που απαιτούν eine δοκιμασμένη λύση για τις κρίσιμες εργασίες τους, επιτρέποντας την πρόσβαση σε ικανότητες αναλυτικών και AI ενώ χρησιμοποιούν το κύριο λειτουργικό σύστημα βάσεων δεδομένων της επιχείρησης.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την EDB.