MongoDB, Inc. ha annunciato a MongoDB. local London nuove funzionalità, miglioramenti delle prestazioni e un'integrazione di data-streaming per MongoDB Atlas Vector Search, che rendono ancora più veloce e facile per gli sviluppatori costruire applicazioni di AI generativa. Le organizzazioni di tutte le dimensioni si sono affrettate ad adottare MongoDB Atlas Vector Search come parte di una soluzione unificata per elaborare i dati per le applicazioni di AI generativa, da quando è stato annunciato in anteprima nel giugno di quest'anno.

MongoDB Atlas Vector Search ha reso ancora più facile per gli sviluppatori aggregare e filtrare i dati, migliorando il recupero semantico delle informazioni e riducendo le allucinazioni nelle applicazioni AI. Con i nuovi miglioramenti delle prestazioni di MongoDB Atlas Vector Search, il tempo necessario per costruire gli indici è ora significativamente ridotto, fino all'85%, per contribuire ad accelerare lo sviluppo delle applicazioni. Molte organizzazioni sono in missione per inventare nuove classi di applicazioni che sfruttano l'AI generativa per soddisfare le aspettative degli utenti finali.

Tuttavia, i grandi modelli linguistici (LLM) che alimentano queste applicazioni richiedono dati aggiornati e proprietari sotto forma di vettori - rappresentazioni numeriche di testo, immagini, audio, video e altri tipi di dati. Tuttavia, l'aggiunta di un database monouso al loro stack tecnologico richiede agli sviluppatori di dedicare tempo e sforzi preziosi per apprendere le complessità dello sviluppo e della manutenzione di ogni soluzione puntuale. Grazie ai nuovi miglioramenti delle prestazioni, il tempo necessario per costruire un indice con MongoDB Atlas Vector Search è ora ridotto fino all'85%.