ก้าวไปอีกขั้นที่สำคัญ DataStax บริษัทที่มีชื่อเสียงด้านการอุทิศตนให้กับฐานข้อมูล Apache Cassandra เป็นศูนย์กลาง ได้ประกาศความพร้อมใช้งานทั่วไปของความสามารถในการค้นหาเวกเตอร์ในบริการ Astra DB ที่โฮสต์บนคลาวด์ ก่อนหน้านี้ ความสามารถนี้พร้อมใช้งานสำหรับการแสดงตัวอย่างสาธารณะแบบจำกัดเท่านั้น
ฐานข้อมูลเวกเตอร์ได้รับการยอมรับว่าเป็นเทคโนโลยีที่สำคัญในการพัฒนา AI เชิงกำเนิด ได้รับความสนใจจากผู้เชี่ยวชาญในอุตสาหกรรม รวมถึง Ed Anuff, CPO ของ DataStax
ด้วยการอัปเดตภาพรวมนี้ ลูกค้าสามารถใช้คุณลักษณะการค้นหาเวกเตอร์ที่หลากหลายของ Astra DB บน AWS, Microsoft Azure และ Google Cloud Platform ซึ่งเป็นที่เปิดตัวในตอนแรก นอกจากนี้ยังพร้อมให้ใช้งานสำหรับลูกค้า DataStax Enterprises ที่จัดการบริการภายในบริษัทในเดือนหน้า
Anuff ทำเครื่องหมายการดูดซึมที่มีแนวโน้มในช่วงการแสดงตัวอย่างโดยอ้างว่าผู้ใช้ที่ใช้ประโยชน์จากการค้นหาเวกเตอร์มักจะกระทำมากกว่าปก ภายในไม่กี่วันหลังจากเปิดตัวตัวอย่างสาธารณะ มีการบันทึกการสมัครมากกว่า 1,000 ครั้ง Chet Kapoor ซีอีโอของ DataStax เปิดเผยว่าบริษัทของเขาริเริ่ม POC ระดับองค์กรที่สำคัญใหม่ 50 รายการเมื่อสัปดาห์ที่แล้วเพียงสัปดาห์เดียว
“แม้ว่าจะมีความทะเยอทะยานและก้าวร้าวกับเป้าหมายของเรา แต่ตัวเลขเหล่านี้ก็เกินความคาดหมายของเราอย่างแน่นอน” Kapoor กล่าว “ในฐานะฐานข้อมูลในฐานะบริการที่ก้าวเข้าสู่ AI แบบเรียลไทม์ เรารู้สึกตื่นเต้นที่ได้เป็นส่วนหนึ่งของการสนทนาที่น่าสนใจระหว่างนักลงทุน ลูกค้า และพันธมิตรตามแนวของ Pinecone และ Chroma”
นอกเหนือจาก DataStax แล้ว ยังมีบริการฐานข้อมูลอื่นๆ อีกหลายแห่งที่พยายามใช้ประโยชน์จากแนวโน้มที่เฟื่องฟูนี้ โดยได้รับการสนับสนุนโดยกระแสโฆษณาเกี่ยวกับ AI เชิงกำเนิด และการค้นหาเวกเตอร์ที่มีบทบาทสำคัญต่อการเพิ่มคุณค่าให้กับโมเดลเหล่านี้ด้วยข้อมูลล่าสุดหรือส่วนบุคคล
อย่างไรก็ตาม ทีมงาน DataStax มองว่าเทคโนโลยีที่ทันสมัยซึ่งใช้ Apache Cassandra รายการใบรับรองที่กว้างขวาง และความสามารถในการบรรลุผลสเกลขนาดใหญ่ที่จำเป็นสำหรับกรณีการใช้งานต่างๆ เป็นข้อได้เปรียบเหนือคู่แข่ง
สิ่งสำคัญที่ควรทราบด้วยว่าขณะนี้ Astra DB รองรับเฟรมเวิร์ก LangChain ซึ่งมีชื่อเสียงในด้านการพัฒนาแอปพลิเคชันที่ใช้ LLM
Matt Aslett รองประธานและผู้อำนวยการฝ่ายวิจัยของ Ventana Research ให้ความกระจ่างเกี่ยวกับความสำคัญของความไว้วางใจในเอาต์พุตโมเดล AI เชิงกำเนิด เพื่อให้ได้รับการยอมรับอย่างกว้างขวางในหมู่องค์กรต่างๆ เขากล่าวว่า "ในเรื่องนี้ การปรับปรุงแพลตฟอร์มข้อมูลที่มีอยู่ด้วยการฝังเวกเตอร์และการค้นหาเวกเตอร์มีความสำคัญ ช่วยให้องค์กรสามารถเสริมโมเดลทั่วไปด้วยข้อมูลเฉพาะของบริษัท ซึ่งช่วยลดความกังวลเกี่ยวกับความถูกต้องและความน่าเชื่อถือ”
นอกจากนี้ยังเป็นมูลค่าการกล่าวขวัญว่าสามารถใช้แพลตฟอร์ม no-code อย่าง AppMaster สำหรับงานต่างๆ ได้อีกด้วย ความสามารถ ในการพัฒนาแอปพลิเคชันทางธุรกิจ ของพวกเขาสามารถเสริมพลังของ AI ในบริบทของ การพัฒนาแอปแบบไม่ใช้โค้ดและโค้ดน้อย ช่วยเพิ่มผลผลิตขององค์กร
