Jeremy Kelway, VP de Inginerie pentru Analitică, Date și AI la EDB – Seria de Interviuri

Jeremy (Jezz) Kelway este Vicepreședinte de Inginerie la EDB, cu sediul în Pacific Northwest, USA. El conduce o echipă axată pe furnizarea de soluții de analitică și AI bazate pe Postgres. Cu experiență în managementul Database-as-a-Service (DBaaS), conducere operațională și livrare de tehnologie inovatoare, Jezz are o bază solidă în promovarea progresului în tehnologiile emergente.

EDB susține PostgreSQL pentru a se alinia cu prioritățile de business, permițând dezvoltarea de aplicații cloud-native, migrarea eficientă din bazele de date legacy și implementarea flexibilă în medii hibride. Cu o bază de talente în creștere și performanțe robuste, EDB asigură securitate, fiabilitate și experiențe superioare pentru clienți pentru aplicații critice pentru misiune.

De ce Postgres devine din ce în ce mai mult baza de date preferată pentru construirea de aplicații de inteligență artificială generativă, și care sunt caracteristicile cheie care o fac potrivită pentru acest peisaj în evoluție?

Cu aproape 75% din companiile din SUA care adoptă inteligența artificială, aceste afaceri necesită o tehnologie fundamentală care să le permită să acceseze rapid și ușor cantitatea abundentă de date și să îmbrățișeze pe deplin inteligența artificială. Aici intervine Postgres.

Postgres este poate cel mai bun exemplu tehnic de tehnologie durabilă care a reapărut în popularitate cu o relevanță și mai mare în era inteligenței artificiale decât oricând. Cu o arhitectură robustă, suport nativ pentru multiple tipuri de date și extensibilitate prin design, Postgres este un candidat principal pentru întreprinderile care doresc să valorifice valoarea datelor lor pentru inteligență artificială gata de producție într-un mediu suveran și securizat.

De-a lungul celor 20 de ani de existență ai EDB, sau a celor peste 30 de ani de existență a tehnologiei Postgres, industria a trecut prin evoluții, schimbări și inovații, și de-a lungul tuturor acestora, utilizatorii continuă să „folosească pur și simplu Postgres” pentru a aborda cele mai complexe provocări de date.

Cum este aplicat în prezent fluxul de Generare Augmentată de Recuperare (RAG) și cum credeți că va modela viitorul “Economiei Inteligente”?

Fluxurile RAG câștigă o popularitate și o impulsie semnificativă, și pe bună dreptate! Atunci când sunt plasate în contextul “Economiei Inteligente”, fluxurile RAG permit accesul la informații în moduri care facilitează experiența umană, economisind timp prin automatizarea și filtrarea ieșirii de date și informații care altfel ar necesita efort și timp semnificativ pentru a fi create. Creșterea acurateței “pașilor de căutare” (Recuperare) combinată cu posibilitatea de a adăuga conținut specific la un model de limbaj mai larg antrenat oferă o mulțime de oportunități de a accelera și îmbunătăți luarea deciziilor informate cu date relevante. O modalitate utilă de a gândi despre acest lucru este ca și cum ați avea un asistent de cercetare priceput care nu numai că găsește informațiile potrivite, dar le prezintă și într-un mod care se potrivește contextului.

Care sunt unele dintre cele mai semnificative provocări cu care se confruntă organizațiile atunci când implementează RAG în producție, și care sunt strategiile care pot ajuta la abordarea acestor provocări?

La nivel fundamental, calitatea datelor dvs. este diferențiatorul dvs. de inteligență artificială. Acuratețea răspunsurilor generate de o aplicație RAG va fi întotdeauna supusă calității datelor utilizate pentru a antrena și completa ieșirea. Nivelul de sofisticare aplicat de modelul generativ va fi mai puțin benefic dacă intrările sunt defectuoase, ceea ce conduce la rezultate mai puțin adecvate și neașteptate pentru interogare (adesea denumite “halucinații”). Calitatea surselor dvs. de date va fi întotdeauna cheia pentru succesul conținutului recuperat care alimentează pașii generativi – dacă ieșirea este dorită să fie cât mai precisă, sursele de date contextuale pentru modelul de limbaj vor trebui să fie actualizate.

Din perspectiva performanței; adoptarea unei atitudini proactive față de ceea ce încearcă să realizeze aplicația dvs. RAG – împreună cu momentul și locul în care se recuperează datele – vă va poziționa bine pentru a înțelege impacturile potențiale. De exemplu, dacă fluxul dvs. RAG recuperează date din surse de date tranzacționale (de exemplu, baze de date actualizate constant care sunt critice pentru afacerea dvs.), monitorizarea performanței acestor surse de date cheie, împreună cu aplicațiile care extrag date din aceste surse, vă va oferi o înțelegere a impactului pașilor fluxului dvs. RAG. Aceste măsuri sunt un pas excelent pentru gestionarea oricăror implicații potențiale sau în timp real asupra performanței surselor de date tranzacționale critice. În plus, aceste informații pot oferi, de asemenea, un context valoros pentru ajustarea aplicației RAG pentru a se concentra pe recuperarea adecvată a datelor.

Având în vedere apariția bazelor de date vectoriale specializate pentru inteligența artificială, care sunt avantajele pe care le oferă Postgres față de aceste soluții, în special pentru întreprinderile care doresc să operaționalizeze sarcinile de lucru ale inteligenței artificiale?

O bază de date vectorială critică pentru misiune are capacitatea de a susține sarcini de lucru ale inteligenței artificiale exigente, asigurând în același timp securitatea, disponibilitatea și flexibilitatea de a se integra cu sursele de date existente și informațiile structurate. Construirea unei soluții de inteligență artificială/RAG va utiliza adesea o bază de date vectorială, deoarece aceste aplicații implică evaluări de similaritate și recomandări care lucrează cu date de înaltă dimensiune. Bazele de date vectoriale servesc ca o sursă de date eficientă și eficace pentru stocare, gestionare și recuperare a acestor conducte de date critice.

Cum gestionează EDB Postgres complexitățile gestionării datelor vectoriale pentru inteligența artificială, și care sunt beneficiile cheie ale integrării sarcinilor de lucru ale inteligenței artificiale într-un mediu Postgres?

Deși Postgres nu are capacitate vectorială nativă, pgvector este o extensie care vă permite să stocați datele vectoriale lângă restul datelor în Postgres. Acest lucru permite întreprinderilor să valorifice capacitățile vectoriale alături de structurile de baze de date existente, simplificând gestionarea și implementarea aplicațiilor de inteligență artificială prin reducerea nevoii de magazine de date separate și transferuri de date complexe.

Cum ajută Postgres organizațiile să simplifice conductele de date și să deblocheze insight-uri mai rapide fără a adăuga complexitate, devenind în același timp un jucător central atât în sarcinile de lucru tranzacționale, cât și în cele analitice?

Aceste conducte de date sunt, în esență, alimentarea aplicațiilor de inteligență artificială. Cu diversele formate de stocare a datelor, locații și tipuri de date, complexitățile modului în care se realizează faza de recuperare devin rapid o provocare tangibilă, în special pe măsură ce aplicațiile de inteligență artificială trec de la Conceptul de dovadă la Producție.

Extensia EDB Postgres AI Pipelines este un exemplu de modul în care Postgres joacă un rol cheie în modelarea poveștii “gestionării datelor” a aplicației de inteligență artificială. Simplificarea procesării datelor cu conducte automate pentru extragerea datelor din Postgres sau stocarea obiectelor, generarea de încorporări vectoriale ca noi date și declanșarea actualizărilor încorporărilor atunci când datele sursă se schimbă – înseamnă întotdeauna date actualizate pentru interogare și recuperare fără întreținere laborioasă.

Care sunt inovațiile sau dezvoltările pe care le putem aștepta de la Postgres în viitorul apropiat, în special pe măsură ce inteligența artificială continuă să evolueze și să ceară mai mult de la infrastructura de date?

Baza de date vectorială nu este, cu siguranță, un articol terminat, se așteaptă dezvoltări și îmbunătățiri suplimentare pe măsură ce utilizarea și dependența de tehnologia bazei de date vectoriale continuă să crească. Comunitatea PostgreSQL continuă să inoveze în acest spațiu, căutând metode de a îmbunătăți indexarea pentru a permite criterii de căutare mai complexe, alături de progresul capacității pgvector în sine.

Cum sprijină Postgres, în special cu ofertele EDB, nevoia de implementări multi-cloud și hibride, și de ce este această flexibilitate importantă pentru întreprinderile conduse de inteligența artificială?

Un studiu recent EDB arată că 56% dintre întreprinderi implementează acum sarcini de lucru critice pentru misiune într-un model hibrid, subliniind nevoia de soluții care să susțină atât agilitatea, cât și suveranitatea datelor. Postgres, cu îmbunătățirile EDB, oferă flexibilitatea esențială pentru medii multi-cloud și hibride, împuternicind întreprinderile conduse de inteligența artificială să-și gestioneze datele atât cu flexibilitate, cât și cu control.

EDB Postgres AI aduce agilitatea cloud și observabilitatea în medii hibride cu control suveran. Acest abordare permite întreprinderilor să controleze gestionarea modelelor de inteligență artificială, în timp ce simplifică și sarcinile de lucru tranzacționale, analitice și de inteligență artificială în medii hibride sau multi-cloud. Permițând portabilitatea datelor, controlul TCO granular și o experiență similară cloud-ului pe diverse infrastructuri, EDB sprijină întreprinderile conduse de inteligența artificială în realizarea unor răspunsuri mai rapide și mai agile la cerințele complexe de date.

Pe măsură ce inteligența artificială devine mai integrată în sistemele de întreprindere, cum sprijină Postgres guvernanța datelor, confidențialitatea și securitatea, în special în contextul gestionării datelor sensibile pentru modelele de inteligență artificială?

Pe măsură ce inteligența artificială devine atât o piatră de temelie operațională, cât și un diferențiator competitiv, întreprinderile se confruntă cu o presiune crescândă pentru a proteja integritatea datelor și a menține standarde stricte de conformitate. Acest peisaj în evoluție pune suveranitatea datelor în centrul atenției – unde guvernanța strictă, securitatea și vizibilitatea nu sunt doar priorități, ci premise. Afacerile trebuie să știe și să fie sigure de unde sunt datele lor și unde se duc.

Postgres excelează ca coloană vertebrală pentru medii de date gata pentru inteligența artificială, oferind capacități avansate pentru gestionarea datelor sensibile în medii hibride și multi-cloud. Fundația sa open-source înseamnă că întreprinderile beneficiază de inovația constantă, în timp ce îmbunătățirile EDB asigură respectarea securității de nivel întreprindere, controlului accesului granular și observabilității profunde – cheie pentru gestionarea responsabilă a datelor de inteligență artificială. Capabilitățile de Inteligență Artificială Suverană ale EDB se construiesc pe această poziție, concentrându-se pe aducerea capacității de inteligență artificială la date, facilitând astfel controlul asupra locului în care se deplasează datele și de unde vin.

Ce face EDB Postgres capabil să scaleze sarcinile de lucru ale inteligenței artificiale menținând disponibilitatea și performanța ridicată, în special pentru aplicații critice pentru misiune?

EDB Postgres AI ajută la ridicarea infrastructurii de date la nivel de activ suveran prin aducerea sistemelor analitice și de inteligență artificială mai aproape de datele operaționale și tranzacționale ale clienților – gestionate prin Postgres. Oferă fundația platformei de date pentru aplicații conduse de inteligență artificială, reducând complexitatea infrastructurii, optimizând eficiența costurilor și îndeplinind cerințele întreprinderilor pentru suveranitatea datelor, performanță și securitate.

O platformă de date elegantă pentru operatori moderni, dezvoltatori, ingineri de date și constructori de aplicații de inteligență artificială care necesită o soluție testată în luptă pentru sarcinile de lucru critice pentru misiune, permițând accesul la capacități analitice și de inteligență artificială, utilizând sistemul de baze de date operațional central al întreprinderii.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe trebuie să viziteze EDB.