Jeremy Kelway, Phó Chủ tịch Kỹ sư của Phân tích, Dữ liệu và Trí tuệ Nhân tạo tại EDB – Loạt Phỏng vấn

Jeremy (Jezz) Kelway là Phó Chủ tịch Kỹ sư tại EDB, có trụ sở tại Tây Bắc Thái Bình Dương, Hoa Kỳ. Ông lãnh đạo một đội tập trung vào việc cung cấp các giải pháp phân tích và trí tuệ nhân tạo dựa trên Postgres. Với kinh nghiệm trong quản lý Database-as-a-Service (DBaaS), lãnh đạo hoạt động và giao hàng công nghệ sáng tạo, Jezz có một nền tảng vững chắc trong việc thúc đẩy tiến bộ trong các công nghệ mới nổi.

EDB hỗ trợ PostgreSQL để phù hợp với các ưu tiên kinh doanh, cho phép phát triển ứng dụng gốc đám mây, di chuyển hiệu quả từ cơ sở dữ liệu cũ và triển khai linh hoạt trên các môi trường kết hợp. Với một nhóm nhân tài đang phát triển và hiệu suất mạnh mẽ, EDB đảm bảo bảo mật, độ tin cậy và trải nghiệm khách hàng vượt trội cho các ứng dụng quan trọng.

Tại sao Postgres ngày càng trở thành cơ sở dữ liệu được lựa chọn để xây dựng các ứng dụng trí tuệ nhân tạo tạo sinh, và những tính năng chính nào làm cho nó phù hợp với phong cảnh đang phát triển này?

Với gần 75% các công ty Hoa Kỳ áp dụng trí tuệ nhân tạo, những doanh nghiệp này yêu cầu một công nghệ nền tảng sẽ cho phép họ nhanh chóng và dễ dàng truy cập vào lượng dữ liệu dồi dào và hoàn toàn chấp nhận trí tuệ nhân tạo. Đây là nơi Postgres xuất hiện.

Postgres có lẽ là ví dụ kỹ thuật hoàn hảo về một công nghệ lâu dài đã xuất hiện lại với sự liên quan lớn hơn trong kỷ nguyên trí tuệ nhân tạo hơn bao giờ hết. Với kiến trúc mạnh mẽ, hỗ trợ bản địa cho nhiều loại dữ liệu và khả năng mở rộng theo thiết kế, Postgres là một ứng cử viên hàng đầu cho các doanh nghiệp muốn khai thác giá trị của dữ liệu cho các ứng dụng trí tuệ nhân tạo sẵn sàng sản xuất trong một môi trường chủ quyền và bảo mật.

Trong 20 năm tồn tại của EDB, hoặc 30+ năm công nghệ Postgres tồn tại, ngành công nghiệp đã trải qua các cuộc cách mạng, thay đổi và đổi mới, và trong suốt thời gian đó, người dùng tiếp tục “chỉ sử dụng Postgres” để giải quyết các thách thức dữ liệu phức tạp nhất.

Làm thế nào để Lưu trữ-Tăng cường-Sáng tạo (RAG) được áp dụng ngày nay, và bạn nhìn thấy nó định hình tương lai của “Nền kinh tế Thông minh”?

Các luồng RAG đang đạt được sự phổ biến và động lực đáng kể, và lý do là chính đáng! Khi được đặt trong bối cảnh của “Nền kinh tế Thông minh”, các luồng RAG cho phép truy cập thông tin theo cách thức tạo điều kiện cho trải nghiệm con người, tiết kiệm thời gian bằng cách tự động hóa và lọc dữ liệu và thông tin đầu ra mà nếu không sẽ yêu cầu nỗ lực và thời gian đáng kể để tạo ra. Độ chính xác tăng của bước “tìm kiếm” (Lưu trữ) kết hợp với khả năng thêm nội dung cụ thể vào một mô hình ngôn ngữ lớn được đào tạo rộng rãi hơn cung cấp một loạt cơ hội để tăng tốc và nâng cao việc ra quyết định thông minh với dữ liệu liên quan. Một cách hữu ích để suy nghĩ về điều này là như thể bạn có một trợ lý nghiên cứu có kỹ năng không chỉ tìm kiếm thông tin đúng mà còn trình bày nó theo cách phù hợp với bối cảnh.

Những thách thức quan trọng nhất mà các tổ chức phải đối mặt khi triển khai RAG trong sản xuất là gì, và những chiến lược nào có thể giúp giải quyết những thách thức này?

Về mức độ cơ bản, chất lượng dữ liệu của bạn là yếu tố khác biệt về trí tuệ nhân tạo của bạn. Độ chính xác của, và đặc biệt là các phản hồi được tạo ra của, một ứng dụng RAG sẽ luôn phụ thuộc vào chất lượng dữ liệu được sử dụng để đào tạo và tăng cường đầu ra. Mức độ tinh vi được áp dụng bởi mô hình tạo sinh sẽ ít có lợi hơn nếu/ khi các đầu vào bị lỗi, dẫn đến kết quả ít phù hợp và không mong muốn cho truy vấn (thường được gọi là “ảo giác”). Chất lượng của các nguồn dữ liệu của bạn sẽ luôn là chìa khóa cho sự thành công của nội dung được thu hồi đang nuôi các bước tạo sinh – nếu đầu ra được mong muốn là chính xác nhất có thể, các nguồn dữ liệu ngữ cảnh cho mô hình ngôn ngữ lớn sẽ cần phải cập nhật nhất có thể.

Từ góc độ hiệu suất; việc áp dụng một tư thế chủ động về những gì ứng dụng RAG của bạn đang cố gắng đạt được – cùng với khi và nơi dữ liệu được thu hồi – sẽ đặt bạn vào vị trí tốt để hiểu các tác động tiềm năng. Ví dụ, nếu luồng RAG của bạn thu hồi dữ liệu từ các nguồn dữ liệu giao dịch (tức là các cơ sở dữ liệu được cập nhật liên tục quan trọng đối với doanh nghiệp của bạn), việc theo dõi hiệu suất của các nguồn dữ liệu chính này, cùng với các ứng dụng rút dữ liệu từ các nguồn này, sẽ cung cấp sự hiểu biết về tác động của các bước luồng RAG. Những biện pháp này là một bước tuyệt vời để quản lý bất kỳ tác động tiềm năng hoặc thời gian thực nào đối với hiệu suất của các nguồn dữ liệu giao dịch quan trọng. Ngoài ra, thông tin này cũng có thể cung cấp ngữ cảnh có giá trị để điều chỉnh ứng dụng RAG để tập trung vào việc thu hồi dữ liệu phù hợp.

Được sự gia tăng của các cơ sở dữ liệu vector chuyên dụng cho trí tuệ nhân tạo, những lợi thế nào mà Postgres cung cấp so với các giải pháp này, đặc biệt là đối với các doanh nghiệp đang tìm cách vận hành các ứng dụng trí tuệ nhân tạo?

Một cơ sở dữ liệu vector quan trọng có khả năng hỗ trợ các ứng dụng trí tuệ nhân tạo đòi hỏi khắt khe trong khi đảm bảo bảo mật dữ liệu, khả dụng và tính linh hoạt để tích hợp với các nguồn dữ liệu và thông tin cấu trúc hiện có. Xây dựng một giải pháp trí tuệ nhân tạo/RAG thường sử dụng một cơ sở dữ liệu vector vì các ứng dụng này liên quan đến việc đánh giá sự tương tự và đề xuất hoạt động với dữ liệu chiều cao. Các cơ sở dữ liệu vector phục vụ như một nguồn dữ liệu hiệu quả và hiệu quả cho lưu trữ, quản lý và thu hồi cho các đường ống dữ liệu quan trọng này.

Làm thế nào EDB Postgres xử lý các phức tạp của việc quản lý dữ liệu vector cho trí tuệ nhân tạo, và những lợi ích chính của việc tích hợp các ứng dụng trí tuệ nhân tạo vào môi trường Postgres là gì?

Mặc dù Postgres không có khả năng vector bản địa, pgvector là một tiện ích mở rộng cho phép bạn lưu trữ dữ liệu vector của mình cùng với phần còn lại của dữ liệu trong Postgres. Điều này cho phép các doanh nghiệp tận dụng các khả năng vector cùng với các cấu trúc cơ sở dữ liệu hiện có, đơn giản hóa việc quản lý và triển khai các ứng dụng trí tuệ nhân tạo bằng cách giảm nhu cầu về các cửa hàng dữ liệu riêng biệt và chuyển dữ liệu phức tạp.

Khi Postgres trở thành một nhân vật trung tâm trong cả ứng dụng giao dịch và phân tích, nó giúp các tổ chức đơn giản hóa các đường ống dữ liệu của họ và mở khóa thông tin nhanh hơn mà không thêm phức tạp như thế nào?

Các đường ống dữ liệu này hiệu quả là nhiên liệu cho các ứng dụng trí tuệ nhân tạo. Với nhiều định dạng lưu trữ dữ liệu, vị trí và loại dữ liệu, sự phức tạp của cách thức giai đoạn thu hồi được thực hiện nhanh chóng trở thành một thách thức cụ thể, đặc biệt là khi các ứng dụng trí tuệ nhân tạo chuyển từ Khái niệm sang Sản xuất.

Tiện ích mở rộng Đường ống Trí tuệ nhân tạo Postgres của EDB là một ví dụ về cách Postgres đang đóng vai trò quan trọng trong việc định hình phần “quản lý dữ liệu” của câu chuyện ứng dụng trí tuệ nhân tạo. Việc đơn giản hóa quá trình dữ liệu với các đường ống tự động để lấy dữ liệu từ Postgres hoặc lưu trữ đối tượng, tạo các bản nhúng vector khi dữ liệu mới được nhập và kích hoạt cập nhật bản nhúng khi dữ liệu nguồn thay đổi – có nghĩa là luôn có dữ liệu cập nhật cho truy vấn và thu hồi mà không cần bảo trì phức tạp.

Chúng ta có thể mong đợi những đổi mới hoặc phát triển nào từ Postgres trong tương lai gần, đặc biệt là khi trí tuệ nhân tạo tiếp tục phát triển và đòi hỏi nhiều hơn từ cơ sở hạ tầng dữ liệu?

Cơ sở dữ liệu vector không phải là một bài viết hoàn chỉnh, sự phát triển và cải tiến hơn nữa được dự kiến khi việc sử dụng và phụ thuộc vào công nghệ cơ sở dữ liệu vector tiếp tục tăng trưởng. Cộng đồng PostgreSQL tiếp tục đổi mới trong không gian này, tìm kiếm các phương pháp để nâng cao khả năng lập chỉ mục cho phép các tiêu chí tìm kiếm phức tạp hơn cùng với sự tiến bộ của khả năng pgvector bản thân.

Làm thế nào Postgres, đặc biệt là với các dịch vụ của EDB, hỗ trợ nhu cầu về các triển khai đa đám mây và kết hợp đám mây, và tại sao sự linh hoạt này lại quan trọng đối với các doanh nghiệp được thúc đẩy bởi trí tuệ nhân tạo?

Một nghiên cứu gần đây của EDB cho thấy 56% doanh nghiệp hiện đang triển khai các ứng dụng quan trọng trong một mô hình kết hợp, nhấn mạnh nhu cầu về các giải pháp hỗ trợ cả sự linh hoạt và chủ quyền dữ liệu. Postgres, với các cải tiến của EDB, cung cấp sự linh hoạt cần thiết cho các môi trường đa đám mây và kết hợp đám mây, cho phép các doanh nghiệp được thúc đẩy bởi trí tuệ nhân tạo quản lý dữ liệu của họ với cả sự linh hoạt và kiểm soát.

EDB Postgres AI mang lại sự linh hoạt của đám mây và khả năng quan sát được cho các môi trường kết hợp với sự kiểm soát chủ quyền. Cách tiếp cận này cho phép các doanh nghiệp kiểm soát việc quản lý các mô hình trí tuệ nhân tạo, đồng thời đơn giản hóa các ứng dụng giao dịch, phân tích và trí tuệ nhân tạo trên các môi trường kết hợp hoặc đa đám mây. Bằng cách cho phép khả năng di chuyển dữ liệu, kiểm soát chi phí tổng thể (TCO) chi tiết và trải nghiệm giống như đám mây trên nhiều loại cơ sở hạ tầng, EDB hỗ trợ các doanh nghiệp được thúc đẩy bởi trí tuệ nhân tạo trong việc thực hiện phản hồi nhanh hơn và linh hoạt hơn đối với nhu cầu dữ liệu phức tạp.

Khi trí tuệ nhân tạo trở nên nhúng sâu vào các hệ thống doanh nghiệp, Postgres hỗ trợ quản trị dữ liệu, quyền riêng tư và bảo mật như thế nào, đặc biệt là trong bối cảnh xử lý dữ liệu nhạy cảm cho các mô hình trí tuệ nhân tạo?

Khi trí tuệ nhân tạo trở thành mộtcornerstone hoạt động và một yếu tố khác biệt cạnh tranh, các doanh nghiệp phải đối mặt với áp lực ngày càng tăng để bảo vệ tính toàn vẹn của dữ liệu và tuân thủ các tiêu chuẩn tuân thủ nghiêm ngặt. Phong cảnh đang phát triển này đặt chủ quyền dữ liệu vào trung tâm – nơi quản trị, bảo mật và khả năng hiển thị không chỉ là ưu tiên mà còn là điều kiện tiên quyết. Các doanh nghiệp cần biết và chắc chắn về nơi dữ liệu của họ và nơi nó đang đi.

Postgres xuất sắc như một nền tảng cho các môi trường dữ liệu sẵn sàng trí tuệ nhân tạo, cung cấp các khả năng tiên tiến để quản lý dữ liệu nhạy cảm trên các thiết lập đa đám mây và kết hợp. Cơ sở mã nguồn mở của nó có nghĩa là các doanh nghiệp được hưởng lợi từ sự đổi mới liên tục, trong khi các cải tiến của EDB đảm bảo tuân thủ bảo mật cấp doanh nghiệp, kiểm soát truy cập chi tiết và khả năng quan sát sâu – chìa khóa để xử lý dữ liệu trí tuệ nhân tạo một cách có trách nhiệm. Các khả năng Trí tuệ nhân tạo Chủ quyền của EDB xây dựng trên tư thế này, tập trung vào việc mang khả năng trí tuệ nhân tạo đến dữ liệu, do đó tạo điều kiện cho việc kiểm soát nơi dữ liệu đó đang di chuyển đến và từ.

Điều gì làm cho EDB Postgres đặc biệt có khả năng mở rộng các ứng dụng trí tuệ nhân tạo trong khi duy trì tính khả dụng và hiệu suất cao, đặc biệt là đối với các ứng dụng quan trọng?

EDB Postgres AI giúp nâng cao cơ sở hạ tầng dữ liệu lên một tài sản công nghệ chiến lược bằng cách đưa các hệ thống phân tích và trí tuệ nhân tạo gần hơn với dữ liệu hoạt động và giao dịch cốt lõi của khách hàng – tất cả được quản lý thông qua Postgres. Nó cung cấp nền tảng dữ liệu cho các ứng dụng được thúc đẩy bởi trí tuệ nhân tạo bằng cách giảm sự phức tạp của cơ sở hạ tầng, tối ưu hóa hiệu quả chi phí và đáp ứng các yêu cầu của doanh nghiệp về chủ quyền dữ liệu, hiệu suất và bảo mật.

Một nền tảng dữ liệu thanh lịch cho các nhà điều hành hiện đại, nhà phát triển, kỹ sư dữ liệu và những người xây dựng ứng dụng trí tuệ nhân tạo cần một giải pháp đã được thử nghiệm trong chiến đấu cho các ứng dụng quan trọng của họ, cho phép truy cập vào các khả năng phân tích và trí tuệ nhân tạo trong khi sử dụng hệ thống cơ sở dữ liệu hoạt động cốt lõi của doanh nghiệp.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập EDB.