Publicado en: Jul 13, 2023
La edición compatible con PostgreSQL de Amazon Aurora ahora admite la extensión pgvector para almacenar integraciones de modelos de machine learning (ML) en la base de datos y realizar búsquedas de similitud eficientes. Las integraciones son representaciones numéricas (vectores) creadas a partir de IA generativa que capturan el significado semántico de la entrada de texto en un modelo de lenguaje de gran tamaño (LLM). La extensión pgvector puede almacenar y buscar integraciones de Amazon Bedrock, Amazon SageMaker y más.
Al utilizar pgvector en Aurora PostgreSQL, puede configurar, operar y escalar bases de datos para sus aplicaciones compatibles con ML. La extensión pgvector le permite incorporar capacidades de aprendizaje automático en sus aplicaciones de comercio electrónico, medios de comunicación, salud y más para encontrar elementos similares en un catálogo. Por ejemplo, un servicio de streaming puede usar pgvector para proporcionar una lista de recomendaciones de películas similares a la que acaba de ver. El machine Learning de Amazon Aurora le permite agregar predicciones basadas en ML a las aplicaciones, mediante el conocido lenguaje de programación SQL, por lo que no necesita aprender herramientas independientes ni tener experiencia previa en esta tecnología.
La extensión pgvector está disponible en Aurora PostgreSQL 15.3, 14.8, 13.11, 12.15 y versiones posteriores en las regiones de AWS, incluidas las regiones de AWS GovCloud (EE. UU.).
Puede comenzar con el lanzamiento de una nueva instancia de base de datos de Amazon Aurora directamente desde la consola de AWS o AWS CLI. Obtenga más información sobre pgvector en el blog de bases de datos de AWS. Para comenzar a utilizar Amazon Aurora, consulte nuestra página de introducción.
Si está interesado en obtener más información sobre este lanzamiento, puede ver la demostración que hace nuestro equipo en AWS On Air.