Google Améliore les Bases de Données pour l'IA lors de la Conférence Cloud Next
Google Annonce Des Avancées Dans Les Bases De Données Axées Sur L'IA Lors De La Conférence Cloud Next
Google réalise des progrès significatifs dans l'avancée de ses bases de données pour les applications d'IA à la conférence Cloud Next de Tokyo. Le géant de la technologie a introduit des mises à jour pour sa base de données SQL Spanner, l'équipant d'une capacité de recherche de graphe et de vecteur, ainsi que d'une capacité de recherche en texte intégral étendue. Ces améliorations revêtent une importance cruciale pour intégrer les données de l'entreprise dans les applications d'IA et enrichir les modèles fondamentaux.
En outre, Google lance des fonctionnalités alimentées par Gemini dans BigQuery et Looker pour fournir une prise en charge de l'ingénierie des données, de l'analyse, de la gouvernance et de la sécurité. Ce mouvement s'attaque directement au défi courant auquel la plupart des entreprises sont confrontées dans la gestion efficace de leurs données pour les initiatives d'IA.
Spanner, qui constitue l'épine dorsale des propres produits de Google tels que la Recherche et Gmail, a été étendu pour inclure des capacités de graphe en utilisant le standard GraphQL. Ce développement permet aux entreprises d'enrichir leurs applications d'IA avec la génération augmentée de récupération (RAG).
En plus des mises à jour susmentionnées, Spanner dispose désormais de capacités de recherche en texte intégral et de vecteurs soutenues par l'algorithme ScaNN de Google, ce qui en fait essentiellement une base de données multi-modèles dotée d'une intelligence.
Il est à noter que Google a également introduit un nouveau modèle de tarification dénommé "éditions Spanner", qui offre aux clients un modèle basé sur des niveaux pour plus de flexibilité. Cela s'oppose aux options précédentes où les clients devaient choisir entre des configurations à région unique ou à plusieurs régions avec des fonctionnalités groupées.
Au-delà de Spanner, Google a mis à jour Bigtable, sa base de données NoSQL, avec une prise en charge supplémentaire de SQL, ce qui la rend plus accessible pour les développeurs.
Pour les utilisateurs de produits Oracle, Google propose désormais l'hébergement des services Oracle Exadata et Autonomous Database dans ses centres de données cloud, ce qui facilite l'intégration entre les applications Google Cloud et Oracle Cloud.
Enfin, Google Cloud a élargi son soutien à Apache Spark et Kafka open-source pour le traitement et le streaming de données en temps réel, ainsi qu'à l'activation du streaming en temps réel à partir d'Analytics Hub.
Points Clés À Retenir
- Google améliore la base de données Spanner avec des capacités de recherche de graphe et de vecteur adaptées aux charges de travail d'IA.
- L'intégration des fonctionnalités Gemini dans BigQuery et Looker vise à renforcer la prise en charge de l'ingénierie des données et de la sécurité.
- Introduction de "Spanner editions", un nouveau modèle de tarification par niveau.
- Bigtable propose désormais une prise en charge SQL, ce qui facilite l'utilisation pour les développeurs.
- Google Cloud étend son soutien pour l'hébergement des bases de données Oracle Exadata et Autonomous, élargissant les options de workload.
Analyse
Les améliorations stratégiques de Google apportées à ses bases de données Spanner et Bigtable, combinées à l'intégration de Gemini, indiquent une démarche délibérée pour renforcer les capacités d'IA et la gestion des données pour les entreprises. Ces améliorations ont le potentiel de bouleverser considérablement les géants de la technologie et les start-ups dépendantes de solutions de bases de données robustes, ce qui pourrait redéfinir la dynamique du marché en faveur d'applications d'IA intégrées plus étroitement. Dans un avenir proche, ces développements promettent une manipulation de données et une intégration d'IA améliorées, tandis que les implications à long terme pourraient redéfinir les normes industrielles en matière d'efficacité de bases de données et d'utilité d'IA. Le déploiement de ces innovations peut également entraîner des fluctuations des instruments financiers liés aux actions technologiques et à la informatique en nuage, influençant les stratégies des investisseurs et la stabilité du marché.
Saviez-Vous Que?
- GraphQL:
- Aperçu: GraphQL sert un langage de requête pour les API et un runtime pour l'exécution de ces demandes avec des données existantes. Contrairement aux API de REST traditionnelles, GraphQL permet aux clients de préciser exactement les données dont ils ont besoin, ce qui réduit le nombre de demandes et améliore l'efficacité. Ses applications sont particulièrement bénéfiques pour les relations de données complexes, courantes dans l'IA et l'apprentissage automatique.
- Génération Augmentée de Récupération (RAG):
- Aperçu: La génération augmentée de récupération (RAG) est utilisée dans le traitement du langage naturel (NLP) pour combiner les forces des modèles basés sur la récupération et des modèles génératifs. Cette technique implique la récupération de documents pertinents à partir d'un corpus volumineux et l'utilisation de ces informations pour conditionner un modèle de langage, ce qui entraîne des réponses plus précises et contextuellement pertinentes, bénéfiques pour les applications d'IA qui exigent une compréhension profonde et la génération de texte.
- Algorithme ScaNN:
- Aperçu: ScaNN (Scalable Nearest Neighbors) est un algorithme développé par Google pour la recherche de similarité vectorielle à grande échelle. En utilisant des techniques avancées telles que la quantification et l'indexation basée sur des arbres, ScaNN accélère le processus de recherche tout en maintenant la précision, ce qui en fait un choix idéal pour les systèmes de recommandation et la récupération d'images dans les scénarios d'IA.