تُحدث خدمة جوجل بيج كويري ثورة في البحث عن البيانات من خلال وظيفة البحث المتجهي

في خطوة رائدة، أعلنت جوجل عن دمج خاصية البحث المتجهي في منصة BigQuery، ما يمثل تقدماً ملحوظاً في قدرات البيانات والذكاء الاصطناعي. تُمكّن هذه الميزة الجديدة المستخدمين من إجراء عمليات بحث عن تشابه المتجهات، وهو أمر بالغ الأهمية لمجموعة واسعة من تطبيقات البيانات والذكاء الاصطناعي، مثل البحث الدلالي، واكتشاف التشابه، والتوليد المُعزز بالاسترجاع (RAG) باستخدام نماذج لغوية ضخمة (LLMs).

في وضع المعاينة، تُمكّن خاصية البحث المتجهي في BigQuery من البحث التقريبي عن أقرب جار، وهو عنصر أساسي في العديد من تطبيقات البيانات والذكاء الاصطناعي. تعمل وظيفة VECTOR_SEARCH، المدعومة بفهرس مُحسَّن، على تبسيط عمليةdentالتضمينات المتطابقة بشكل وثيق من خلال عمليات بحث فعّالة وحسابات المسافة.

تحديثاتmatic وتحسينها تلقائيًا

يتم تحديث فهارس المتجهات في BigQuerymatic، مما يضمن التكامل السلس مع أحدث البيانات. يجمع الإصدار الأولي، المسمى IVF (الملف المعكوس للمتجهات)، بين نموذج التجميع ومحدد الصفوف المعكوس، مما يُنشئ فهرسًا ثنائي الأجزاء يُحسّن الأداء.

سهّلت جوجل عمليات التكامل القائمة على لغة بايثون مع أطر العمل مفتوحة المصدر وأطر العمل الخارجية من خلال الاستفادة من LangChain. يُمكّن هذا التكامل المطورين من دمج إمكانيات البحث المتجهي بسلاسة في سير عملهم الحالي.

توسيع مناهج البيانات النصية

أعرب ماكس أوستابينكو، مدير منتجات أول في شركة أوبرا، عن حماسه للميزة الجديدة، قائلاً: "لقد فوجئتُ إيجاباً بتجربة البحث المتجهي باستخدام التضمينات في BigQuery! نحن الآن نخوض غمار عالم تعزيز رؤى المنتجات باستخدام Vertex AI. إنها توسع نطاق أساليبك في التعامل مع البيانات النصية."

لمساعدة المستخدمين على الاستفادة من قوة البحث المتجهي، قدمت جوجل برنامجًا تعليميًا شاملًا. وباستخدام مجموعة بيانات براءات اختراع جوجل العامة كمثال، يُوضح البرنامج التعليمي ثلاث حالات استخدام متميزة: البحث عن براءات الاختراع باستخدام تضمينات مُولّدة مسبقًا، والبحث عن براءات الاختراع باستخدام توليد تضمينات BigQuery، وRAG من خلال التكامل مع النماذج التوليدية.

يُسلط كلٌ من أوميد فاطمية ومايكل كيلبيري، رئيس قسم الهندسة ورئيس قسم المنتجات في جوجل على التوالي، الضوء على الإمكانيات المتقدمة لـ BigQuery، والتي تُمكّن المستخدمين من توسيع نطاق عمليات البحث لتشمل مسارات RAG كاملة. فعلى وجه التحديد، يُمكن للمستخدمين الاستفادة من مُخرجات استعلامات VECTOR_SEARCH كسياق لاستدعاء نماذج جوجل الأساسية للغة الطبيعية (LLM) عبر وظيفة ML.GENERATE_TEXT في BigQuery.

لا يقتصر التزام جوجل بتطوير BigQuery على البحث المتجهي فحسب، بل أعلنت الشركة المزودة للخدمات السحابية عن إتاحة Gemini 1.0 Pro لعملاء BigQuery عبر Vertex AI. كما تم إطلاق تكامل جديد بين BigQuery وVertex AI لمعالجة النصوص والكلام.

الفوترة والتسعير

بينما يُضيف البحث المتجهي وظائف مُحسّنة لمستخدمي BigQuery، من الضروري التنويه إلى أن فوترة عبارة CREATE VECTOR INDEX ووظيفة VECTOR_SEARCH تعتمد على تسعير الحوسبة في BigQuery. بالنسبة لعبارة CREATE VECTOR INDEX، يُؤخذ العمود المُفهرس فقط في الاعتبار عند حساب البايتات المُعالجة، مما يضمن فوترة شفافة وقابلة للتنبؤ للمستخدم.

مع دمج البحث المتجهي، يواصل Google BigQuery دفع حدود تحليلات البيانات والذكاء الاصطناعي، مما يمكّن المستخدمين من استخدام أدوات قوية للكشف عن الرؤى ودفع الابتكار.