Blog

Autonomous Database 將 AI 引入您的數據

Oracle產品管理副總裁George Lumpkin2024年2月13日

隨著市場上的人工智慧 (AI) 創新蓬勃發展,Oracle 看到客戶所面臨的各種挑戰,包括需要瞭解所有術語、學習新工具,甚至將資料轉移到 AI 工具所在位置。這就是為什麼 Oracle 要將 AI 內嵌到包括資料庫在內的完整堆疊中,讓您無需移轉資料即可獲得 AI 功能。

對此,Oracle 推出了多項 Oracle Autonomous Database 增強功能,包括將 AI 和進階機器學習 (ML) 整合到應用程式的創新產品中。這些直觀且易於使用的增強功能包括:

  • Autonomous Database Select AI 現在可讓開發人員建立具備 AI 功能的應用程式,以瞭解使用者在對話中提出的自然語言問題,並從私人資料中獲取答案。
  • Oracle Machine Learning 中新的空間增強功能讓企業可在 ML 模型中包含位置關係,以提高模型準確性。
  • 全新的使用者友善「無程式碼」模型監控介面可簡化 ML 模型中品質和概念漂移的即時偵測。
  • 新的 Autonomous Database Graph Studio UI 可使用拖放方法在資源描述架構 (Resource Description Framework, RDF) 知識圖上建立特性圖表檢視,讓企業能夠探索跨知識孤島的互連,而無需複雜的編碼或資料複製。

綜上所述,Autonomous Database 的這些增強功能反映了 Oracle 持續致力於為您提供將 AI 和 ML 整合至應用程式所需的工具,讓您能夠快速從資料中取得洞察分析,並及時做出業務決策。這些創新功能都直接內建於 Autonomous Database 中,任何企業都能立即輕鬆加以利用。

與資料對話

Select AI 是去年 9 月發布的一項開創性功能,可讓您透過 Autonomous Database 使用自然語言分析資料(參閱能說「人話」的 Autonomous Database)。Select AI 的主要優勢之一是,您可以在無需瞭解資料的儲存位置或如何制定 SQL 查詢的情況下提出業務問題。SQL 應用程式都可以存取此功能,並且可以作為 Autonomous Database 中的整合功能讓您立即使用。如今,Select AI 的功能更加强大,能夠支援對話。

之前使用 Select AI 時,使用者可以透過大型語言模型 (LLM) 以自然語言提出有關資料的問題,像是「今年我的總銷售額是多少?」。然而,當時的功能無法記住之前的問題,並以此為基礎進行後續追蹤。如今,Select AI 為 LLM 提供聊天記錄,使其可以解譯後續問題的上下文。使用者現在可以與資料庫進行「對話」,以探索並縮小所需的答案範圍,就像在現實生活中討論一樣。此外,為了保持完全透明並驗證結果,您現在可以要求 Select AI 提供產生的 SQL 以及查詢處理的描述:

最重要的是,Select AI 的優勢在於使用者能夠以較少的工作量,以直觀的方式使用 AI 增強應用程式。Oracle 專注於協助開發人員和企業盡可能直觀地採用企業級生成式 AI,而不需要使用自訂編碼和專屬介面來嘗試將 AI 與應用程式整合。

詳細了解 Select AI 中的對話功能,包括用例和範例。

IDC 資料管理軟體研究副總裁 Carl Olofson表示:「AI 的存在離不開資料。當然,Oracle 讓您能夠以對話方式存取大型語言模型 (LLM) 從網際網路中收集的常用文字資料,但這只是籌碼之一。大家都這樣做。困難之處在於如何將此功能擴展到資料庫中的結構化資料,這些資料沒有定義,也沒有語義,但又必須被指定或推斷。這就是 Oracle 具有明顯優勢的地方,因為 Oracle 資料庫中儲存著 PB 級的資料。Autonomous Database 為使用者提供企業視圖來檢視企業資料,而 Select AI 則提供具有廣泛 SQL 轉譯和生成功能的自然語言介面,讓您可以透過這個差異化組合,將資料互動提升至新境界。為了使其更具吸引力,此功能被封裝在 Oracle 的全堆疊 AI 方法中,讓客戶可以輕鬆獲得大量結構化和非結構化資訊。」

與 OCI Generative AI 緊密整合的 Select AI

Oracle 最近宣布,Select AI 將支援 OCI Generative AI。Oracle正式提供對 OCI Generative AI 的支援。您可以將 Autonomous Database 中的私有企業資料與生成式 AI 的生產力和創造力安全地結合起來,從而加快應用程式開發或建立新的業務解決方案。使用 OCI Generative AI 和 Select AI 可協助保護您的資料安全,確保資料絕不會離開 Oracle Cloud Infrastructure (OCI),不會與 AI 供應商共用,並受到 Oracle Database 進階功能的保護。查看公告或觀看網路廣播( 概覽 | 適用於開發人員的詳細資訊),以瞭解如何提供富有吸引力的 AI 驅動解決方案。

運用相關資訊環境強化分析

將語意應用於資料和資料關係是非常有價值的;AL 和 ML 演算法可以使用這些語意來生成更具吸引力且更可靠的結果。這兩個重要的 Autonomous Database 增強功能可協助您充分利用業務情境:分析知識圖表定義的關係和連接,以及使用地理位置建立更有效的 ML 模型。

輕鬆分析知識圖表所定義的關係

RDF 知識圖表可藉由擷取機構孤島中跨資料的複雜關聯,為資料關係賦予意義。企業可以從知識圖表的資料中獲得更多洞察,但如果不複製資料或進行複雜的編碼,要做到這一點並不容易。現在,您可以透過特性圖表檢視,將 Autonomous Database 的內建圖表分析 (例如路徑尋找、中心性及異常偵測演算法) 套用至知識圖表,輕鬆發現隱藏的關係。您可以在 Graph Studio 中使用新的無程式碼使用者介面,輕鬆設定特性圖表模型。

深入瞭解 RDF 知識圖表上的特性圖表檢視,包括使用案例和範例。

使用位置資訊,强化 ML

地理位置可以成為各種預測分析的重要資訊。Oracle Machine Learning for Python (OML4Py) 新的增強功能可協助開發人員和資料科學家建立 ML 模型並結合位置關係,同時運用 Oracle Spatial 對空間資料類型、索引和分析的原生支援。資料科學家可以透過定量方法 (例如空間叢集、迴歸、分類和異常偵測) 來偵測空間模式,而不需要將資料移出資料庫或自行編寫複雜的演算法。

深入瞭解 ML 與空間整合,包括使用案例和範例。

使用「無程式碼」模型監控,確保 ML 解決方案有效並符合目標

現實世界的 ML 部署面臨各種實際的挑戰:欺詐者不斷在調整行為,客戶的購買模式發生變化,微觀經濟或宏觀經濟變化可能會影響整個市場。MLOps 員工必須不斷留意「模型漂移」,也就是當其 ML 模型的準確性由於各種外部因素而開始下降的時候。新的模型監視 UI 可協助專家和非專家 MLOps 員工只需按幾下即可監控 ML 模型的有效性,無需進行複雜的編碼,從而在需要時快速調整 ML 模型。

深入瞭解如何監控模型

一切都取決於資料

如果沒有資料,AI 和 ML 就不可能存在。AI 和 ML 的結果只會與其操作的資料一樣有效。Autonomous Database 提供整合的資料資產檢視,可大幅簡化應用程式分析。Autonomous Database 提供內建功能,可存取來自 100 多個應用程式、資料湖和資料庫的資料,並為分析做好準備。透過 Autonomous Database,您可以充分利用資料湖目錄 (例如 Oracle OCI Data Catalog 和 Amazon Glue),並立即存取資料以進行分析,而無需進行管理。

Autonomous Database
Oracle Autonomous Database 提供統一的數據檢視

摘要

AI 和 ML 正在以驚人的速度發展。Autonomous Database 可協助企業克服許多挑戰,包括資料複雜性、資料隱私權、企業技能組合,以及實施分析。現在就是使用 AI 和 ML 進行創新的最佳時機。

更多資訊: