Publicado: Jul 13, 2023
Agora, o Amazon Aurora, edição compatível com PostgreSQL oferece suporte à extensão pgvector para armazenar incorporações de modelos de machine learning (ML) em bancos de dados e realizar pesquisas por similaridade eficientes. As incorporações são representações numéricas (vetores) criadas por IA generativa que capturam o significado semântico de entradas de texto em um grande modelo de linguagem (LLM). A pgvector pode armazenar e pesquisar incorporações do Amazon Bedrock, Amazon SageMaker e muito mais.
Quando usa a pgvector no Aurora PostgreSQL, você pode simplesmente configurar, operar e escalar bancos de dados para aplicações habilitadas com ML. A extensão pgvector permite criar recursos de ML em aplicações de comércio eletrônico, mídia e saúde, entre outras, para encontrar itens semelhantes em um catálogo. Por exemplo, um serviço de streaming pode usar a pgvector para fornecer uma lista de recomendações de filmes semelhantes ao que você acabou de assistir. O machine learning no Amazon Aurora permite adicionar previsões baseadas em ML às aplicações por meio da conhecida linguagem de programação SQL, evitando que você precise aprender ferramentas separadas ou ter experiência prévia em machine learning.
A extensão pgvector está disponível no Aurora PostgreSQL 15.3, 14.8, 13.11, 12.15 e versões superiores nas regiões da AWS, inclusive nas regiões AWS GovCloud (EUA).
Você pode começar a usar lançando uma nova instância de banco de dados do Amazon Aurora diretamente do Console da AWS ou da AWS CLI. Saiba mais sobre a pgvector no blog de banco de dados da AWS. Para começar a usar o Amazon Aurora, confira nossa página de conceitos básicos.
Se você estiver interessado em saber mais sobre esse lançamento, assista à demonstração da nossa equipe no AWS On Air.