Publié le: Jul 13, 2023
Amazon Aurora édition compatible avec 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 Aurora PostgreSQL, 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. Le machine learning Aurora vous permet d'ajouter des prévisions basées sur le machine learning à des applications via le langage de programmation courant SQL. Il n'est donc pas nécessaire d'apprendre à se servir d'autres outils ni d'avoir une expérience préalable en machine learning.
L'extension pgvector est disponible sur Aurora PostgreSQL 15.3, 14.8, 13.11, 12.15 et versions supérieures dans les régions AWS, y compris les régions AWS GovCloud (US).
Vous pouvez commencer par lancer une nouvelle instance de base de données Amazon Aurora 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. Pour commencer à utiliser Amazon Aurora, consultez notre page de mise en route.
Si vous souhaitez en savoir plus sur ce lancement, vous pouvez regarder la démo de notre équipe sur AWS On Air.