Oracle 自治數據庫將 AI 引入數據

供稿 / 2024-02-20 09:292921

作者：甲骨文公司產品管理副總裁George Lumpkin

隨著人工智能 (AI) 創新產品涌入市場，我們經常聽到客戶在了解專業術語、學習新工具甚至是將數據遷移到 AI 工具的位置方面面臨著種種挑戰。這就是為什么 Oracle 決定將 AI 嵌入到全棧（包括數據庫）中，讓您無需遷移數據即可獲取 AI 的力量。

為此，我們將推出多個 Oracle自治數據庫（Oracle Autonomous Database）增強功能，包括將 AI 和高級機器學習 (ML) 集成到應用中等創新。這些直觀且易于使用的增強功能包括：

· Autonomous Database Select AI 現在支持開發人員創建 AI 應用，可在會話線程中理解用戶用自然語言提出的問題，并從專用數據中獲取答案。

· Oracle Machine Learning 中的空間增強功能支持企業在 ML 模型中包含位置關系，從而提高模型準確性。

· 全新用戶友好的“無代碼”模型監視界面可簡化 ML 模型中質量和概念漂移的及時檢測。

· 通過 Autonomous Database Graph Studio 新的用戶界面，企業可以通過拖放方式創建資源描述框架 (Resource Description Framework, RDF) 知識圖的屬性圖形視圖，無需進行復雜的編碼或數據復制，即可跨知識孤島進行探索。

這些自治數據庫增強功能反映了 Oracle 一直致力于為您提供將 AI 和 ML 集成到應用中的工具，從而幫助您快速從數據中獲得洞察并及時做出業務決策。這些新創新都直接內置在自治數據庫中，讓企業可以輕松地立即使用。

與數據對話

Select AI 是去年 9 月發布的一項突破性功能，支持您使用自然語言通過 Autonomous Database 分析數據（詳見能夠“說話”的自治數據庫）。Select AI 的主要優勢之一是，您無需了解數據的存儲位置或掌握如何編寫 SQL 查詢，就可以提出業務問題。該功能支持SQL 應用訪問，并且作為自治數據庫中的集成功能提供，讓您可以立即使用。現在，Select AI 提供更好的對話支持。

以前使用 Select AI 時，用戶可以通過自然語言使用大型語言模型 (LLM) 來提出有關數據的問題（例如“今年我的總銷售額是多少？”）。但是，當時的功能無法記住之前的問題并基于這些問題進一步跟進。現在，Select AI 使 LLM 可以訪問聊天歷史記錄，進而解釋跟進問題的情境。用戶現在可以與數據庫進行“對話”，以探索所需的答案并縮小范疇，就像在現實生活中進行討論一樣。此外，為了確保完全透明并驗證結果，您現在可以要求 Select AI 產出生成的 SQL 和查詢處理說明：

【甲骨文稿件】Oracle 自治數據庫將 AI 引入數據1266.png

重要的是，Select AI 的優勢在于用戶能夠以較少的工作量直觀地使用 AI 增強應用。相較于使用定制編碼和專有接口來嘗試將 AI 與應用集成，Oracle 選擇專注于讓開發人員和組織盡可能直觀地采用企業生成式 AI。

IDC 數據管理軟件研究副總裁 Carl Olofson?表示：“AI 的存在離不開數據。當然，Oracle 讓您能夠以對話的方式訪問大型語言模型 (LLM) 從互聯網中捕獲的常用文本數據，但這只是籌碼之一。每個人都這樣做。比較難的是如何將這種功能擴展到數據庫中的結構化數據，這些數據沒有定義，沒有語義，但又必須要指定或推斷。而 Oracle 在這方面有著明顯的優勢，因為 Oracle 數據庫中存儲了數 PB 的數據。自治數據庫為用戶提供了企業視圖來查看組織數據，而 Select AI 則提供了具有廣泛 SQL 轉換和生成功能的自然語言界面，讓您可以通過這個差異化組合，將數據交互提升到新的水平。為了使其更具吸引力，此功能被封裝在 Oracle 的全棧 AI 方法中，讓客戶動動手指就可以獲得各種結構化和非結構化信息。”

與 OCI Generative AI 緊密集成的 Select AI

Oracle 近期宣布，Select AI 將支持 OCI Generative AI。Oracle 正式推出對 OCI Generative AI 的支持。您可以將自治數據庫中的私有企業數據與生成式 AI 的生產力和創造力安全地結合起來，從而加快應用開發或創建新的業務解決方案。使用 OCI Generative AI 和 Select AI 有助于確保數據安全，確保數據不會離開Oracle 云基礎設施遠程軟件服務（ Oracle Cloud Infrastructure, OCI），不會與 AI 提供商共享，并受到 Oracle 數據庫高級功能的保護。查看公告或觀看網播（概覽 | 面向開發人員的詳情），了解如何提供富有吸引力的 AI 驅動解決方案。

利用情境強化分析

將語義應用于數據和數據關系是非常有價值的；AL 和 ML 算法可以使用這些語義來生成更吸引人和更可靠的結果。這兩個重要的自治數據庫增強功能可幫助您充分利用業務情境：分析知識圖定義的關系和連接，以及使用地理位置構建更有效的 ML 模型。

輕松分析知識圖定義的關系

RDF 知識圖可捕獲機構數據孤島之間的復雜關聯，為數據關系賦予意義。企業可以從知識圖的數據中獲得額外的洞察，但如果不復制數據或進行復雜的編程，要做到這一點并不容易。現在，您可以通過屬性圖形視圖將自治數據庫內置的圖形分析（例如路徑查找、中心性和異常檢測算法）應用于知識圖，從而輕松發現隱藏的關系。您可以在 Graph Studio 中使用新的無代碼用戶界面，輕松設置屬性圖形模型。

利用位置信息，改善機器學習

地理位置可以成為各種預測分析的重要信息。Oracle Machine Learning for Python (OML4Py) 新的增強功能可幫助開發人員和數據科學家創建 ML 模型并結合位置關系，同時利用 Oracle Spatial 對空間數據類型、索引和分析的原生支持。數據科學家可以通過定量方法（例如空間聚類、回歸、分類和異常檢測）來檢測空間模式，無需將數據移出數據庫或自行編寫復雜的算法。

通過“無代碼”模型監視，確保 ML 解決方案高效且符合目標

現實世界的 ML 部署面臨著現實世界的挑戰：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 員工必須不斷關注“模型漂移”，也就是當他們的 ML 模型的準確性因各種外部因素而開始下降的時候。新的模型監視 UI 可幫助專家和非專家 MLOps 員工無需進行復雜的編碼，只需點擊幾下即可監視 ML 模型的有效性，從而在需要時快速調整 ML 模型。

這一切都歸功于數據

如果沒有數據，AI 和 Ml 就不可能存在。AI 和 ML 的結果只會與其操作的數據一樣有效。自治數據庫提供集成的數據資產視圖，可大幅簡化分析應用。其內置功能讓您可以訪問來自 100 多個應用、數據湖和數據庫的數據，并為分析做好準備。借助自治數據庫，您可以充分利用數據湖目錄（例如 Oracle OCI Data Catalog 和 Amazon Glue），并立即訪問數據以進行分析，而無需進行管理。

【甲骨文稿件】Oracle 自治數據庫將 AI 引入數據3549.png Oracle 自治數據庫提供統一的數據視圖