O Google Cloud agora oferece suporte vetorial em todos os seus serviços de banco de dados.

Os provedores de serviços em nuvem, como o Google Cloud, estão competindo para incorporar suporte a vetores e outras funcionalidades ligadas à inteligência artificial, numa tentativa de se destacarem no mercado.

O Google Cloud anunciou na quinta-feira que está incluindo suporte vetorial e integrando o LangChain em todas as suas opções de banco de dados, com o objetivo de se destacar em relação a concorrentes como Amazon Web Services (AWS), Microsoft e Oracle.

Os provedores de serviços em nuvem estão competindo para incorporar capacidades de inteligência artificial generativa e relacionadas à inteligência artificial em seus serviços de banco de dados, a fim de se destacarem e conquistarem uma parcela maior do mercado em crescimento dessas tecnologias.

As últimas melhorias nas ofertas de banco de dados incluem a introdução de suporte vetorial para diversos tipos de bases de dados, como CloudSQL, Spanner, Firestore, Bigtable e Memorystore para Redis.

A pesquisa de vizinhança mais próxima é um fator crucial de distinção.

As funcionalidades vetoriais incorporadas nos bancos de dados proporcionam recursos de consulta, tais como pesquisa de vizinho mais próximo aproximado (ANN) e busca de vizinho mais próximo exata (KNN).

De acordo com David Menninger, diretor executivo da ISG Ventana Research, a rede neural artificial (ANN) é empregada na otimização da pesquisa, visando diminuir o tempo de resposta em conjuntos de dados extensos, ao passo que o algoritmo k-vizinhos mais próximos (KNN) é utilizado para obter resultados de pesquisa mais precisos em conjuntos de dados menores.

Menninger explicou que a disponibilidade de suporte para ANN e KNN mostra que não existe uma abordagem universal para pesquisa vetorial e que cada caso específico requer algoritmos de indexação distintos para garantir a precisão e o desempenho necessários. Isso ressalta a importância de os desenvolvedores compreenderem a natureza de seus dados e aplicativos, testando diferentes bancos de dados para determinar qual deles atende melhor aos requisitos de um projeto específico.

Segundo o principal analista da Forrester, Noel Yuhanna, uma outra vantagem do Google é que a maioria dos fornecedores de banco de dados não disponibilizam tanto a ANN quanto a KNN.

“Yuhanna afirmou que alguns fornecedores estão a favor da KNN, enquanto outros preferem a abordagem da ANN. A ANN é mais amplamente utilizada devido à sua capacidade de escalabilidade e desempenho eficaz em grandes volumes de dados e vetores de alta dimensão.”

Atualmente, os recursos vetoriais adicionados aos serviços de banco de dados estão em fase de visualização. Em julho do ano passado, o Google introduziu suporte à extensão pgvector em AlloyDB e Cloud SQL, visando auxiliar no desenvolvimento de aplicações de inteligência artificial generativa.

Desde julho do ano passado, o Google Cloud tem introduzido regularmente recursos vetoriais em várias opções de banco de dados, o que, segundo Menninger, parece torná-lo mais competitivo do que seus concorrentes hiperescalares.

Entretanto, ele observou que praticamente todos os fornecedores de bancos de dados estão incluindo suporte para funcionalidades de busca vetorial e vetorial.

De acordo com Yuhanna, as empresas Microsoft, AWS e Oracle oferecem recursos de suporte vetorial em seus bancos de dados.

Os anúncios do Google Cloud podem proporcionar uma vantagem competitiva, já que parecem estar mais avançados do que outros em disponibilizar essas capacidades para as empresas, de acordo com Yuhanna.

Os dois analistas também indicaram que em breve será essencial para os fornecedores de plataformas de dados incluir suporte para recursos vetoriais, a fim de impulsionar o desenvolvimento de aplicações de inteligência artificial generativas. Isso complementará os modelos de linguagem grandes (LLMs) com dados corporativos validados, visando aprimorar a precisão e a confiabilidade.

De acordo com Menninger, ISG prevê que a maioria das empresas que criam aplicativos de inteligência artificial generativa irá utilizar pesquisa vetorial e geração aprimorada de dados para enriquecer seus modelos com informações próprias até o final de 2026.

Competição entre bancos de dados baseados em vetores e bancos de dados convencionais.

De acordo com analistas, a concorrência entre bancos de dados vetoriais e tradicionais vem aumentando devido à inclusão de recursos vetoriais por parte de hiperscalers e outros fornecedores de banco de dados em suas ofertas.

Apesar das bases de dados tradicionais terem incorporado funcionalidades vetoriais para atrair empresas, as bases de dados vetoriais têm incluído recursos para facilitar o uso de seus produtos por pessoas não especializadas, afirmaram.

Entretanto, Menninger, do ISG, prevê que mais da metade das empresas adotarão as ofertas convencionais de banco de dados com suporte vetorial até 2026, devido à confiança que depositam nesses bancos de dados tradicionais.

As bases de dados especializadas em formato vetorial ainda serão mantidas, porém serão utilizadas principalmente em situações mais elaboradas e avançadas, conforme apontado por Menninger. Algumas das bases de dados especializadas incluem Pinecone, Chroma, Weaviate, Milvus e Qdrant.

Parafraseando: Menninger explicou que a escolha entre uma base de dados vetorial especializada e um banco de dados de uso geral para realizar a pesquisa vetorial dependerá de diversos fatores, como a dependência da empresa em um banco de dados existente, as habilidades do desenvolvedor, o tamanho dos dados e os requisitos do aplicativo em questão.

Integração da LangChain com todas as opções de banco de dados oferecidas pelo Google.

O Google Cloud está incorporando integrações LangChain em todos os seus bancos de dados. Andi Gutmans, vice-presidente de engenharia da divisão de bancos de dados do Google Cloud, mencionou que irão oferecer suporte a três integrações LangChain: lojas de vetores, carregadores de documentos e memória de mensagens de bate-papo.

LangChain é uma estrutura que possibilita a criação de aplicativos impulsionados por LLMs, e a sua integração com bancos de dados permitirá aos desenvolvedores incorporar fluxos de trabalho Retrieval Augmented Generation (RAG) em suas fontes de dados favoritas, de acordo com Gutmans.

Enquanto a integração de lojas de vetores LangChain está disponível para diversos bancos de dados, como AlloyDB, Cloud SQL para PostgreSQL, Cloud SQL para MySQL, Memorystore para Redis e Spanner, os carregadores de documentos e integração de memória de mensagens de bate-papo estão disponíveis para todos os bancos de dados, como Firestore, Bigtable e SQL Server.

Os especialistas consideram que a inclusão das integrações LangChain é uma ação positiva por parte do Google.

“Menninger explicou que LangChain é o framework mais amplamente utilizado atualmente para integrar LLMs a dados corporativos privados, oferecendo uma integração imparcial de fornecedores com bancos de dados corporativos, bem como ambientes comerciais para desenvolver e implementar aprendizado de máquina, como SageMaker Studio e Vertex AI Studio.”

A inteligência artificial da LigaDB agora está amplamente disponível.

O Google disponibilizou amplamente sua oferta de inteligência artificial do AlloyDB, que pode ser acessada por meio do AlloyDB e do AlloyDB Omni.

O AlloyDB AI, que foi disponibilizado para pré-visualização em agosto do ano passado, é um conjunto de funcionalidades integradas que possibilitam aos programadores criar aplicações generativas de inteligência artificial utilizando dados em tempo real.

Ele utiliza o suporte vetorial padrão do PostgreSQL e pode adicionar uma função simples no PostgreSQL para criar inserções de dados.

AlloyDB AI é uma componente essencial do AlloyDB e do AlloyDB Omni, sendo fornecida sem custo adicional pela empresa.