Jeremy Kelway, VP of Engineering for Analytics, Data, and AI at EDB – Haastattelusarja

Jeremy (Jezz) Kelway on EnterpriseDB:n (EDB) johtaja, joka toimii Tyynenmeren luoteisrannikolla, Yhdysvalloissa. Hän johtaa tiimiä, joka keskittyy Postgres-pohjaisen analytiikan ja tekoälyratkaisujen toimittamiseen. Kokemuksellaan tietokannan palveluna (DBaaS) hallinnasta, operatiivisesta johdosta ja innovatiivisesta teknologian toimittamisesta, Jezz:llä on vankka tausta ajamassa eteenpäin nousseiden teknologioiden kehittymistä.

EDB tukee PostgreSQL:ää liiketoimintaprioriteettien mukaisesti, mahdollistaen pilvi-alkuisen sovelluskehityksen, kustannustehokkaan siirtymisen perinteisistä tietokannoista ja joustavan käyttöönoton hybridiympäristöissä. Kasvavan kyvytystarjonnan ja vankkaan suorituskyvyn ansiosta EDB varmistaa turvallisuuden, luotettavuuden ja erinomaiset asiakaskokemukset mission-kriittisille sovelluksille.

Miksi Postgres on yhä enenevissä määrin tietokanta, jota käytetään generatiivisten tekoälysovellusten rakentamiseen, ja mitkä ovat sen tärkeimmät ominaisuudet, jotka tekevät siitä sopivan tämän kehittyvän maiseman kannalta?

Noin 75% Yhdysvaltain yrityksistä on omaksunut tekoälyn, ja nämä yritykset tarvitsevat perusteknologiaa, joka mahdollistaa nopean ja helpon pääsyn runsaaseen tietomäärään ja täydellisen tekoälyn omaksumisen. Tässä Postgres tulee kuvaan.

Postgres on ehkä täydellinen tekninen esimerkki kestävästä teknologiasta, joka on saavuttanut suuremman suosion ja merkityksen tekoälyaikakaudella kuin koskaan aiemmin. Vankkaan arkkitehtuuriin, alkuperäiseen tukemiseen useille tietotyypeille ja laajennettavuuteen suunniteltuna, Postgres on tärkeä ehdokas yrityksille, jotka haluavat hyödyntää tietonsa arvoa tuotantovalmiille tekoälysovelluksille suvereenissa ja turvallisessa ympäristössä.

EDB:n 20-vuotisen olemassaolon aikana tai Postgresin yli 30-vuotisen kehityksen ajan, teollisuus on kokenut evoluution, muutoksen ja innovaation, ja koko ajan käyttäjät jatkavat “pelkästään Postgresin” käyttämistä monimutkaisten tietohaussa haastavien ongelmien ratkaisemiseen.

Miten Retrieval-Augmented Generation (RAG) sovelletaan tänään, ja miten näet sen muotoilevan “Älymäisen Talouden” tulevaisuutta?

RAG-virtaukset ovat saavuttamassa merkittävää suosiota ja vauhtia, ja hyvällä syyllä! Kun RAG-virtauksia tarkastellaan “Älymäisen Talouden” kontekstissa, ne mahdollistavat tiedon käytön tavoilla, jotka helpottavat ihmisen kokemusta, säästävät aikaa automatisoimalla ja suodattamalla tietoa ja tietoa, joka muuten vaatisi merkittävää manuaalista työtä ja aikaa. “Hakuvaiheen” (Retrieval) lisääntyneen tarkin ja pystyvyyden lisääminen erityiseen sisältöön laajemmin koulutettuun LLM:ään tarjoaa runsaasti mahdollisuuksia kiihdyttää ja parantaa perusteltua päätöksentekoa relevantin tiedon kanssa. Hyvä tapa ajatella tätä on, että sinulla on taitava tutkimusavustaja, joka ei ainoastaan löydä oikean tiedon, vaan myös esittää sen tavalla, joka sopii kontekstiin.

Mitkä ovat joitakin merkittävimmistä haasteista, joita organisaatiot kohtaavat RAG:n käyttöönotossa tuotannossa, ja mitkä strategiat voivat auttaa näiden haasteiden ratkaisemisessa?

Perustasolla, tietojen laatu on tekoälyerottelu. RAG-sovelluksen tarkin ja erityisesti generoimien vastausten tarkkuus riippuu aina tietojen laadusta, jota käytetään koulutukseen ja täydentämiseen. Generatiivisen mallin sofistikoitumisen taso on vähemmän hyödyllinen, jos/ kun syötteet ovat virheellisiä, mikä johtaa vähemmän soveltuvien ja odottamattomien tuloksiin kyselyyn (usein kutsutaan “hallusinaatioiksi”). Tietolähteiden laatu on aina avain RAG-sovelluksen menestykseen – jos tulokset halutaan olevan mahdollisimman tarkat, kontekstuaaliset tietolähteet LLM:lle tulee olla mahdollisimman ajantasaiset.

Miten Postgres, erityisesti EDB:n tarjoamana, tukee monipilvi- ja hybridipilvi-käyttöönottojen tarvetta, ja miksi tämä joustavuus on tärkeää tekoälykäyttöisille yrityksille?

Äskettäinen EDB-tutkimus osoittaa, että 56% yrityksistä käyttää mission-kriittisiä työmäärää hybridimalleissa, korostaen joustavuuden ja datan suvereniteetin tarpeen. Postgres, EDB:n parantamana, tarjoaa tarvittavan joustavuuden monipilvi- ja hybridipilviympäristöissä, antaen tekoälykäyttöisille yrityksille mahdollisuuden hallita tietoja sekä joustavuudella että hallinnalla.

Kuinka Postgres, erityisesti EDB:n tarjoamana, tukee datan hallintaa, yksityisyyttä ja turvallisuutta, erityisesti herkkien tietojen käsittelyssä tekoälymallien kanssa?

Kun tekoäly muodostuu yritysten operatiiviseksi kulmakiveksi ja kilpailukyvyn erootteluksi, yritykset kohtaavat kasvavan paineen tietojen eheyyden suojelemiseksi ja tiukkojen vaatimustenmukaisuusstandardeja noudattamiseksi. Tämä kehittyvä maisema asettaa tietosuvereniteetin etusijalle – missä tiukka hallinto, turvallisuus ja näkyvyys eivät ole vain prioriteetteja, vaan edellytyksiä. Yritysten on tiedettävä ja varmistettava, missä heidän tietonsa on ja minne se menee.

Mikä tekee EDB Postgresista ainutlaatuisen tekoälytyömäärän skaalautumiseen, ylläpitäen samalla korkeaa saatavuutta ja suorituskykyä, erityisesti mission-kriittisille sovelluksille?

EDB Postgres AI auttaa korottamaan data-infrastruktuuria strategiseksi teknologiaksi, lähentämällä analytiikka- ja tekoälyjärjestelmiä asiakkaiden perusoperatiivisiin ja transaktiivisiin tietoihin – kaikki hallinnoidaan Postgresin kautta. Se tarjoaa data-alustan perustan tekoälysovelluksille vähentämällä infrastruktuurin monimutkaisuutta, optimoimalla kustannustehokkuutta ja täyttämällä yritysten vaatimukset datan suvereniteetista, suorituskyvystä ja turvallisuudesta.

Jeremy Kelway, kiitos haastattelusta. Lukijat, jotka haluavat oppia lisää, voivat vierailla EDB:n sivustolla.