MySQL HeatWave GenAI

È possibile utilizzare gli LLM nel database per generare o riepilogare i contenuti in base ai documenti non strutturati. Gli utenti possono porre domande in linguaggio naturale tramite applicazioni e l'LLM elaborerà la richiesta e consegnerà il contenuto.

Un utente pone una domanda in linguaggio naturale: "Puoi generare un riepilogo di questo brief sulle soluzioni?". Il modello LLM (Large Language Model) elabora questo input e genera il riepilogo come output.

È possibile combinare la potenza dell'intelligenza artificiale generativa con altre funzionalità integrate di MySQL HeatWave, come il Machine Learning, per ridurre i costi e ottenere risultati più accurati più rapidamente. In questo esempio, un'azienda di produzione usa questa soluzione per la manutenzione predittiva. Gli ingegneri possono utilizzare Oracle MySQL HeatWave AutoML per generare automaticamente un report sui log di produzione anomali e MySQL HeatWave GenAI aiuta a determinare rapidamente la causa del problema semplicemente ponendo una domanda in linguaggio naturale, invece di analizzare manualmente i log.

Un utente chiede tramite MySQL HeatWave Chat:"Qual è il problema principale in questo insieme di log? Fornisci un riepilogo di due frasi." Per prima cosa, MySQL HeatWave AutoML produce un elenco filtrato di log anomali basato su tutti i log di produzione che vengono continuamente acquisiti. Successivamente, MySQL HeatWave Vector Store fornisce ulteriore contesto all'LLM basato sulla knowledge base dei log. L'LLM utilizza il prompt migliorato, genera un report e fornisce all'utente una risposta dettagliata che spiega il problema in linguaggio naturale.

I chatbot possono utilizzare RAG per rispondere, ad esempio, alle domande dei dipendenti sulle politiche aziendali interne. I documenti interni che descrivono le politiche sono archiviati come incorporamenti in MySQL HeatWave Vector Store. Per una determinata query dell'utente, l'archivio vettoriale aiuta a identificare i documenti più simili eseguendo una ricerca di similarità sugli incorporamenti archiviati. Questi documenti vengono utilizzati per migliorare il prompt fornito all'LLM, in modo che produca una risposta accurata.

Un utente chiede tramite MySQL HeatWave Chat: "Quali laptop posso ordinare e qual è la procedura?". MySQL HeatWave elabora la richiesta accedendo ai documenti delle politiche interni archiviati in MySQL HeatWave Vector Store. Fornisce quindi un prompt migliorato all'LLM che può generare la risposta "Ecco l'elenco dei fornitori approvati e i passaggi da seguire per effettuare l'ordine".

Gli sviluppatori possono creare app sfruttando la potenza combinata del ML integrato e dell'intelligenza artificiale generativa in MySQL HeatWave per fornire suggerimenti personalizzati. In questo esempio, l'app usa il sistema di elaborazione suggerimenti MySQL HeatWave AutoML per suggerire ristoranti in base alle preferenze dell'utente o agli ordini precedenti. Con MySQL HeatWave Vector Store, l'app può anche cercare nei menu dei ristoranti in formato PDF per suggerire piatti specifici, offrendo maggiore valore ai clienti.

Un utente chiede tramite MySQL HeatWave Chat: "Quali piatti vegani mi consigli oggi?". Per prima cosa, il sistema di elaborazione suggerimenti MySQL HeatWave AutoML fornisce un elenco di ristoranti in base a ciò che l'utente ha ordinato in precedenza. Successivamente, MySQL HeatWave Vector Store fornisce un prompt migliorato all'LLM basato sui menu dei ristoranti che ospita. L'LLM genera quindi un suggerimento personalizzato di piatti in linguaggio naturale.

La ricerca di similarità si concentra sull'individuazione di contenuti correlati basati sulla semantica. La ricerca di similarità va oltre le semplici ricerche per parole chiave, considerando il significato sottostante invece di limitarsi ai soli tag applicati. In questo esempio, un avvocato vuole identificare rapidamente una clausola potenzialmente problematica nei contratti.

Un avvocato chiede tramite MySQL HeatWave Chat: "In quali contratti è presente questa frase?". MySQL HeatWave Vector Store esegue una ricerca di similarità e fornisce la risposta: "Questa frase appare nei seguenti 6 contratti".