Vá de 0 a 1 para pronto para a empresa com o MongoDB Atlas e LLMs

Criar experiências atraentes e verdadeiramente diferenciadas para seus clientes a partir de aplicações enriquecidas com IA generativa significa fundamentar a inteligência artificial na verdade. Essa verdade vem de seus dados, mais especificamente, de seus dados operacionais mais atualizados. Não importa se você está fornecendo experiências hiperpersonalizadas com Semantic search avançada ou produzindo conteúdo e conversas solicitados pelo usuário, o MongoDB Atlas unifica serviços de dados de pesquisa operacional, analítica e vetorial para simplificar a incorporação do poder de LLMs e modelos de transformação em seus aplicativos.

Todos os dias, desenvolvedores estão construindo a próxima aplicação inovadora e transformadora alimentada por IA generativa. Os LLMs comerciais e de código aberto estão avançando a uma velocidade vertiginosa. Não importa se você está fornecendo experiências hiperpersonalizadas com Semantic search avançada ou produzindo conteúdo e conversas solicitados pelo usuário, o MongoDB Atlas unifica serviços de dados de pesquisa operacional, analítica e vetorial para simplificar a incorporação do poder de LLMs e modelos de transformação em seus aplicativos.E, no entanto, levar essas aplicações do protótipo ao pronto para a empresa é o abismo que as equipes de desenvolvimento devem atravessar. Primeiro, esses grandes modelos podem fornecer respostas incorretas ou não informadas, pois os dados aos quais eles têm acesso são datados. Há duas opções para resolver respostas desinformadas: ajustar um modelo grande ou fornecer-lhe memória de longo prazo. No entanto, isso gera uma segunda barreira: implantar uma aplicação em torno de um LLM informado com os controles de segurança corretos em vigor e na escala e no desempenho que os usuários esperam.

Os desenvolvedores precisam de uma plataforma de dados que tenha a flexibilidade do modelo de dados para se adaptar aos dados estruturados e não estruturados em constante mudança que informam grandes modelos sem o impedimento de esquemas rígidos. Embora o ajuste fino de um modelo seja uma opção, ele tem um custo proibitivo em termos de tempo e recursos computacionais. Isso significa que os desenvolvedores precisam ser capazes de apresentar dados como contexto para grandes modelos como parte das solicitações. Eles precisam dar a esses modelos generativos uma memória de longo prazo. Abaixo, discutiremos alguns exemplos de como fazer isso com vários LLMs e estruturas de IA generativa.

Cinco recursos para começar a usar o Atlas MongoDB e LLMs

O MongoDB Atlas simplifica a integração dos principais serviços e sistemas de IA generativa, como hiperescaladores e LLMs e estruturas de código aberto. Ao combinar documentos e vetores incorporando armazenamentos de dados em um local via Atlas Database e Atlas Vector Search (pré-visualização), os desenvolvedores podem acelerar a construção de suas aplicações enriquecidas por IA generativa que são fundamentadas na verdade dos dados operacionais. Veja abaixo exemplos de como trabalhar com estruturas populares de LLM e o MongoDB:

1. Introdução ao Atlas Vector Search (pré-visualização) e OpenAI para Semantic search

Este tutorial orienta você nas etapas de realização da Semantic search em uma amostra de conjuntos de dados de filmes com o MongoDB Atlas. Primeiro, você configurará um Atlas Trigger para fazer uma chamada para uma API do OpenAI sempre que um novo documento for inserido em seu cluster, para convertê-lo em uma incorporação vetorial. Em seguida, você executará uma query de pesquisa vetorial utilizando o Atlas Vector Search. Há até uma seção de bônus especial para aproveitar os modelos do HuggingFace. Leia o tutorial.

2. Construa um aplicativo de chat enriquecido com IA generativa com seus dados proprietários usando o Llamalndex e MongoDB

O LlamaIndex oferece uma interface simples e flexível para conectar LLMs a dados externos. Este blog conjunto do LlamaIndex e MongoDB traz mais detalhes sobre o motivo e como você pode querer construir seu próprio aplicativo de chat. O notebook anexado no blog fornece um passo a passo de código sobre como consultar qualquer documento PDF usando queries no idioma inglês. Leia o blog.

3. Veja os documentos para saber como usar o Atlas Vector Search (pré-visualização) como um armazenamento vetorial com o LangChain

Conforme declarado na postagem do blog de anúncio da parceria, o LangChain e o MongoDB Atlas são uma combinação natural, e isso foi demonstrado pelo entusiasmo da comunidade orgânica que levou a várias integrações no LangChain para o MongoDB. Além de agora oferecer suporte ao Atlas Vector Search como um armazenamento vetorial, já existe suporte para utilizar o MongoDB como um histórico de registro de bate-papo. Leia os documentos: Python, JavaScript.

4. Gere previsões diretamente no MongoDB Atlas com coleções de IA do MindsDB

O MindsDB é uma plataforma de machine learning de código aberto que traz machine learning automatizado para o banco de dados. Neste blog, você gerará previsões diretamente no Atlas com coleções de IA do MindsDB, dando-lhe a capacidade de consumir previsões como dados regulares, consultar estas previsões e acelerar a velocidade de desenvolvimento simplificando fluxos de trabalho de implantação. Leia o blog.

5. Integre modelos de transformação do HuggingFace no MongoDB Atlas com o Atlas Triggers

O HuggingFace é uma comunidade de IA que facilita a construção, o treinamento e a implantação de modelos de machine learning. Aproveitar o Atlas Triggers junto com o HuggingFace permite que você reaja facilmente às alterações nos dados operacionais que fornecem memória de longo prazo para seus modelos. Saiba como configurar o Triggers para prever automaticamente o sentimento de novos documentos em seu banco de dados do MongoDB e acrescentá-los como campos adicionais a seus documentos. Consulte o repositório do GitHub.

Do protótipo à produção com o MongoDB para aplicativos enriquecidos com IA generativa

A plataforma de dados do desenvolvedor do MongoDB construída no Atlas fornece uma experiência de desenvolvedor moderna e otimizada, ao mesmo tempo em que é testada por milhares de empresas em todo o mundo para ter um desempenho em escala e com segurança.

Quer você esteja construindo a próxima grande novidade em uma startup ou grande empresa, o Atlas permite que você:

• Acelere a construção de suas aplicações enriquecidas com IA generativa que são fundamentados na verdade dos dados operacionais.

• Simplifique a arquitetura de seu aplicativo aproveitando uma única plataforma que permite armazenar dados do aplicativo e vetoriais no mesmo lugar, reagir a alterações nos dados de origem com funções serverless e pesquisar em várias modalidades de dados para melhorar a relevância e a precisão nas respostas geradas por seus aplicativos.

• Evolua facilmente seus aplicativos enriquecidos com IA generativa com a flexibilidade do modelo de documento e, ao mesmo tempo, mantenha uma experiência de desenvolvedor simples e elegante.

• Integre perfeitamente os principais serviços e sistemas de IA, como os hiperescaladores e LLMs e estruturas de código aberto, para manter a competitividade em mercados dinâmicos.

• Construa aplicações enriquecidas com IA generativa em um banco de dados operacional de alto desempenho e altamente escalável, que teve uma década de validação em uma ampla variedade de casos de uso de IA.

Embora esses exemplos sejam os blocos de construção para algo mais inovador, o MongoDB pode ajudá-lo a ir do conceito à produção e à escala. Comece hoje mesmo inscrevendo-se no nível gratuito do MongoDB Atlas e integrando-o a suas estruturas e LLMs preferidos. Se você está interessado em trabalhar conosco mais de perto, confira nosso programa MongoDB AI Innovators, que permite a inovação em inteligência artificial e apresenta soluções de ponta de startups, clientes e parceiros.