การดึงข้อมูลแบบหลายรูปแบบสำหรับฐานความรู้ Bedrock พร้อมใช้งานโดยทั่วไปแล้ว
วันนี้ AWS ประกาศความพร้อมใช้งานโดยทั่วไปของการดึงข้อมูลในแบบหลายรูปแบบในฐานความรู้ของ Bedrock ฐานความรู้ของ Amazon Bedrock มีเวิร์กโฟลว์การดึงข้อมูลเพื่อการสร้างแบบเสริม (RAG) ที่ครอบคลุมและมีการจัดการ เพื่อสร้างแอปพลิเคชัน AI ช่วยสร้างที่มีความแม่นยำ เวลาแฝงต่ำ และกำหนดเองได้ โดยผสมผสานข้อมูลตามบริบทจากแหล่งที่มาของข้อมูลบริษัทของคุณ การรองรับการดึงข้อมูลแบบหลายรูปแบบในฐานความรู้ช่วยให้นักพัฒนาสามารถสร้างแอปพลิเคชันการค้นหาและการตอบคำถามที่ขับเคลื่อนด้วย AI ซึ่งทำงานร่วมกับไฟล์ข้อความ ไฟล์รูปภาพ ไฟล์เสียง และไฟล์วิดีโอ ตัวอย่างเช่น ผู้ใช้สามารถขอให้ผู้ช่วย “แสดงการคาดการณ์ไตรมาสที่ 1 สำหรับ Amazon Bedrock ให้หน่อย” และฐานความรู้ของ Bedrock จะดึงข้อความที่เกี่ยวข้องจากเอกสาร กราฟ ภาพตัดต่อวิดีโอ และเสียงที่เกี่ยวข้องกับการคาดการณ์รายได้สำหรับ Bedrock ทำให้ผู้ช่วยสามารถสร้างคำตอบที่สมบูรณ์และละเอียดยิ่งขึ้นสำหรับผู้ใช้ปลายทางได้ ก่อนหน้านี้ลูกค้าสามารถค้นหาข้อมูลผ่านเอกสารข้อความและรูปภาพเท่านั้น แต่ตอนนี้สามารถปลดล็อกรายละเอียดจากรูปแบบของข้อมูลองค์กรทั้งหมดของตนผ่านเวิร์กโฟลว์ที่ได้รับการจัดการอย่างเต็มที่แบบครบวงจร
องค์กรต่างพยายามที่จะดึงข้อมูลเชิงลึกจากข้อมูลมัลติมีเดียที่กำลังเติบโตของตน เช่น วิดีโอ บันทึกเสียง รูปภาพ และเอกสาร เนื่องจากการสร้างแอปพลิเคชัน AI ที่สามารถค้นหาข้อมูลในรูปแบบต่างๆ เหล่านี้มีความซับซ้อน เป็นผลให้ข้อมูลที่มีค่าติดอยู่ในเทราไบต์ของบันทึกการประชุม วิดีโอการฝึกอบรม และเอกสารที่แสดงผลด้วยภาพยังคงไม่สามารถเข้าถึงได้ ทำให้องค์กรไม่สามารถตัดสินใจที่ขับเคลื่อนด้วยข้อมูลได้อย่างรวดเร็วและแม่นยำ ด้วยการดึงข้อมูลแบบหลายรูปแบบสำหรับฐานความรู้ นักพัฒนาจึงสามารถนำเนื้อหาแบบหลายรูปแบบเข้าด้วยการควบคุมตัวเลือกการแยกชิ้นส่วน ตัวเลือกการฝัง (เช่น Amazon Nova มัลติโมดัล) และตัวเลือกพื้นที่เก็บเวกเตอร์ได้อย่างเต็มที่ จากนั้นจึงจะสามารถส่งคิวรีข้อความหรือรูปภาพเป็นอินพุตและรับส่วนของข้อความ รูปภาพ เสียง และวิดีโอที่เกี่ยวข้องกลับมาเพื่อสร้างการตอบสนองในแอปพลิเคชัน AI ช่วยสร้างโดยใช้ LLM ที่ตนเลือก
สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการสร้างฐานความรู้แบบหลายรูปแบบใน Bedrock โปรดดูที่เอกสารประกอบ ความพร้อมใช้งานในแต่ละ Region ขึ้นอยู่กับฟีเจอร์ที่เลือกสำหรับการรองรับแบบหลายรูปแบบ โปรดดูรายละเอียดในเอกสารประกอบ