게시된 날짜: Sep 13, 2023
오늘 AWS는 Amazon Bedrock의 지식 베이스 평가판을 발표했습니다. 이 지식 베이스를 사용하면 조직의 프라이빗 데이터 소스를 파운데이션 모델(FM)에 연결하여 생성형 AI 애플리케이션에서 검색 증강 생성을 지원하여 정확하고 상황에 맞는 FM 응답을 제공할 수 있습니다.
조직의 프라이빗 데이터에 대한 질문 답변과 같은 사용 사례의 경우, 고객은 일반적으로 검색 증강 생성(RAG)이라는 기술을 사용하는 데, 이 기술은 최종 사용자의 쿼리를 전달하여 고객의 내부 데이터 소스를 검색하고 관련 텍스트를 검색합니다. 검색에서 의미론적으로 정확한 정보를 검색하기 위해 고객은 먼저 텍스트 임베딩 FM을 사용하여 데이터 코퍼스를 임베딩(또는 벡터)으로 변환하고 이를 벡터 데이터베이스에 저장합니다. 현재 고객은 RAG를 구현하기 위해 몇 가지 획일적인 단계를 수행합니다. Amazon Bedrock의 지식 베이스를 사용하면 여러 시스템을 통합할 필요가 없습니다. 개발자는 Amazon S3 버킷과 같은 문서의 위치를 지정할 수 있으며, Bedrock은 수집 워크플로(문서 가져오기, 청킹, 임베딩 생성, 이를 벡터 데이터베이스에 저장)와 런타임 오케스트레이션(최종 사용자의 쿼리를 위한 임베딩 생성, 벡터 데이터베이스에서 관련 청크 찾아 FM으로 전달)을 모두 관리합니다. 고객은 Amazon OpenSearch Serverless 벡터 엔진, Pinecone, Redis Enterprise Cloud 등 다양한 벡터 데이터베이스 중에서 선택할 수 있습니다.
Amazon Bedrock의 지식 베이스는 현재 Amazon Bedrock 에이전트에 액세스할 수 있는 모든 고객에게 평가판으로 제공됩니다. 자세한 내용은 Amazon Bedrock 지식 베이스 블로그 게시물 및 Amazon Bedrock 제품 세부 정보 페이지를 참조하세요.