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 sta facendo una domanda in linguaggio naturale "Puoi generare un riepilogo di questo solution brief?". Il modello LLM (Large Language Model) elabora questo input e genera il riepilogo come output.

Puoi unire la potenza dell'AI generativa con altre funzionalità integrate di MySQL HeatWave, come l'apprendimento automatico, per ridurre i costi e ottenere risultati più precisi in meno tempo. In questo esempio, un'azienda di produzione usa questa soluzione per la manutenzione predittiva. Gli ingegneri possono usare Oracle MySQL HeatWave AutoML per creare automaticamente un report dei log di produzione anomali, mentre MySQL HeatWave GenAI aiuta a capire velocemente la causa principale del problema semplicemente facendo una domanda in linguaggio naturale, invece di dover analizzare manualmente i log.

Un utente chiede tramite MySQL HeatWave Chat: "Qual è il problema principale in questa raccolta di log? Fornire un riepilogo con due frasi". Prima di tutto, MySQL HeatWave AutoML crea una lista filtrata di log strani basandosi su tutti i log di produzione che prende in carico in modo continuo. Poi MySQL HeatWave Vector Store dà un po' di contesto in più al modello di linguaggio grande (LLM) usando la base di conoscenza dei log. Il LLM prende quel prompt aumentato, produce un report e fornisce all'utente una risposta dettagliata che spiega il problema in linguaggio naturale.

I chatbot possono utilizzare RAG per, ad esempio, aiutare a rispondere alle domande dei dipendenti sulle policy aziendali interne. I documenti interni che spiegano le politiche sono salvati come incorporamenti nel MySQL HeatWave Vector Store. Per una determinata query utente, la memoria di vettore contribuisce a identificare i documenti più simili eseguendo una ricerca della somiglianza rispetto alle integrazioni memorizzate. Questi documenti vengono utilizzati per aumentare il contesto dato agli LLM in modo che forniscano una risposta più contestuale.

Un utente chiede tramite la chat di MySQL HeatWave: “Quali laptop posso ordinare e come funziona?” MySQL HeatWave elabora la richiesta accedendo ai documenti interni delle politiche archiviati nel MySQL HeatWave Vector Store. Fornisce quindi un prompt aumentato 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'AI generativa in MySQL HeatWave per dare consigli personalizzati. In questo esempio, l'app usa il sistema di raccomandazione MySQL HeatWave AutoML per dare suggerimenti sui ristoranti in base a cosa piace all'utente o a cosa ha ordinato in passato. Con MySQL HeatWave Vector Store, l'app può aiutare a cercare anche nei menu dei ristoranti in formato PDF per suggerire piatti specifici, offrendo un valore aggiunto ai clienti.

Un utente chiede tramite la chat di MySQL HeatWave: “Quali piatti vegani mi consigli oggi?” Prima di tutto, il sistema di raccomandazione MySQL HeatWave AutoML ti propone una lista di ristoranti in base a quello che hai ordinato in passato. Poi, MySQL HeatWave Vector Store dà un suggerimento migliorato al modello di linguaggio grande (LLM) usando i menu dei ristoranti che ha. Il LLM può quindi generare una raccomandazione personalizzata di piatti in linguaggio naturale.

La ricerca della somiglianza si concentra sulla ricerca di contenuti correlati basati sulla semantica. La ricerca di somiglianza va oltre le semplici ricerche di parole chiave considerando il significato sottostante invece di cercare solo i 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 c'è questa frase?” MySQL HeatWave Vector Store fa una ricerca per somiglianza e risponde: “Questa frase è presente nei seguenti 6 contratti”