InterSystems IRIS® offre potenti funzionalità di IA generativa integrate, permettendo di sviluppare applicazioni mission-critical alimentate dalla ricerca semantica e dall'IA generativa.
Le funzionalità di ricerca vettoriale sono integrate nel motore di database multi-modello di InterSystems IRIS, insieme a JSON, full text, oggetti, tabelle relazionali, chiavi-valore e altri tipi di dati. Questo consente di alimentare le applicazioni di intelligenza artificiale con dati strutturati e non strutturati nello stesso motore, senza la necessità di spostare i dati. È una soluzione più semplice ed efficiente rispetto all'uso di un database vettoriale separato e dedicato.
Grazie alle performance di esecuzione delle query e la data ingestion ad alta velocità, InterSystems IRIS offre funzionalità in tempo reale senza pari. È possibile applicare l'intelligenza artificiale generativa ai dati in streaming, inclusi i video, e combinarli tra più tipi di dati.
Vector Search
Le funzionalità di ricerca vettoriale integrate in InterSystems IRIS consentono di effettuare ricerche su dati non strutturati e semi-strutturati. I dati vengono convertiti in vettori (chiamati anche "embedding") e quindi archiviati e indicizzati in InterSystems IRIS per la ricerca semantica, la generazione assistita dalla ricerca (Retrieval-Augmented Generation, RAG), l'analisi del testo, i sistemi di raccomandazione e altri casi d'uso.
Vector Search include un tipo di dato SQL vettoriale per la memorizzazione e l'interrogazione degli embedding, oltre a funzioni integrate per il calcolo delle similarità vettoriali. Queste funzioni sono integrate nel nucleo di InterSystems IRIS per garantire massima velocità, scalabilità, sicurezza e affidabilità. Le operazioni sui dati vettoriali sfruttano l'accelerazione hardware, grazie all'elaborazione vettoriale SIMD integrata, per ottenere prestazioni estreme.
Aggiungere la semantica alle applicazioni
Grazie a Vector Search è possibile effettuare query basate sulla semantica dei dati, ovvero sul loro significato, piuttosto che sui dati stessi. Immaginate uno spazio multidimensionale in cui ogni punto di dati, come una frase o un record, corrisponde a un vettore. I dati con significati o contesti simili si trovano vicini l’uno all’altro in questo spazio vettoriale.
Con i recenti avanzamenti nell'IA, questi vettori sono ora in grado di catturare meglio il significato dei dati proiettandoli in uno spazio a dimensione superiore, che contiene più contesto sui dati. Le rappresentazioni vettoriali (embedding) forniscono un modello molto più dettagliato del significato.
Il primo passo consiste nel convertire i dati in rappresentazioni vettoriali e memorizzarli come vettori in InterSystems IRIS. È quindi possibile eseguire query e trovare rapidamente dati simili utilizzando funzioni vettoriali. Questo consente di soddisfare query come "mostrami corrispondenze di curriculum per questa descrizione di lavoro" o "trova consigli di viaggio personalizzati per una vacanza al mare nei Caraibi in base alle mie preferenze". Questo sblocca un'intera nuova classe di funzionalità per le applicazioni basate su InterSystems IRIS.
Costruire esperienze basate sull'intelligenza artificiale con RAG
Vector Search supporta l'architettura RAG, che si sta rapidamente affermando come il modo principale per superare le limitazioni dei modelli linguistici di grandi dimensioni (Large Language Models, LLM), come i dati obsoleti, i limiti di token e allucinazioni.
RAG combina due fasi: un retriever che utilizza la ricerca vettoriale per recuperare documenti e dati rilevanti dal database InterSystems e un generatore - il LLM stesso - che crea risposte contestualmente rilevanti nel formato e nel tono desiderati.
È possibile utilizzare informazioni fresche e autorevoli, inclusi i propri dati, per generare una risposta accurata, sfruttando il LLM di propria scelta per comprendere la domanda, formulare la risposta e aggiungere informazioni supplementari.
Per costruire rapidamente e facilmente applicazioni avanzate di IA generativa, gli sviluppatori possono sfruttare un vasto ecosistema GenAI, utilizzando piattaforme, plugin e librerie, tra cui:
- ChatGPT
- LangChain
- Hugging Face
- Llama2
- LlamaIndex
- Cohere
AI Orchestration
La proliferazione di nuovi servizi GenAI basati sul cloud apre incredibili nuove possibilità, ma può anche rendere difficile creare e gestire un sistema affidabile. InterSystems IRIS Interoperability consente di creare facilmente applicazioni composite che si estendono su più modelli, ovunque essi siano in esecuzione. Un editor grafico a low-code permette di sviluppare soluzioni di intelligenza artificiale senza programmazione, mentre le funzionalità di gestione delle API integrate garantiscono protezione, pubblicazione e monetizzazione di nuovi servizi basati su GenAI.
Le operazioni distribuite vengono acquisite automaticamente per l'audit e il debug. La funzione Visual Trace offre a sviluppatori e amministratori la possibilità di tracciare i messaggi lungo il flusso di orchestrazione e di esaminarne il contenuto. Vuoi capire se un problema è dovuto a un servizio di intelligenza artificiale, ai dati che gli vengono forniti o alla logica di business in cui viene utilizzato? Puoi utilizzare Visual Trace.
Enterprise Ready
InterSystems IRIS ha dimostrato di avere sicurezza, conformità e alta disponibilità dei dati adatte alle applicazioni aziendali mission-critical.
La creazione di applicazioni di IA generativa con le nostre funzionalità di ricerca vettoriale integrate offre:
- Controllo completo dei dati
- Scelta del LLM, dell'orchestration framework e dell'agent framework
- Audit e tracciabilità completi
- Possibilità di eseguire i LLM in locale, mantenendo i vostri dati sensibili completamente locali e sicuri
- Un enorme ecosistema di servizi di intelligenza artificiale, ovunque siano in esecuzione, con la massima sicurezza e affidabilità