Publié le: May 3, 2023
Amazon Relational Database Service (RDS) for PostgreSQL prend désormais en charge l'extension pgvector pour stocker les intégrations issues de modèles d'apprentissage automatique (ML) dans votre base de données et pour effectuer des recherches de similarité efficaces. Les intégrations sont des représentations numériques (vecteurs) créées à partir d'une IA générative qui capturent la signification sémantique de la saisie de texte dans un grand modèle de langage (LLM). pgvector peut stocker et rechercher des intégrations provenant d'Amazon Bedrock, Amazon SageMaker, etc.
En utilisant pgvector sur Amazon RDS, vous pouvez simplement configurer, exploiter et dimensionner des bases de données pour vos applications compatibles ML. L'extension pgvector vous permet d'intégrer des fonctionnalités de machine learning à votre commerce électronique, à vos médias, à vos applications de santé, etc. afin de trouver des articles similaires dans un catalogue. Par exemple, un service de streaming peut utiliser pgvector pour fournir une liste de recommandations de films similaires à celle que vous venez de regarder.
L'extension pgvector est disponible sur toutes les instances de base de données d'Amazon RDS exécutant PostgreSQL 15.2 et versions supérieures dans toutes les régions AWS, y compris les régions AWS GovCloud (US).
Vous pouvez commencer par lancer une nouvelle instance de base de données Amazon RDS directement depuis la console AWS ou l'interface de ligne de commande AWS. Pour en savoir plus sur pgvector, consultez le blog de la base de données AWS et le guide de l'utilisateur Amazon RDS.