MongoDB, Inc. kondigde op MongoDB. local London nieuwe mogelijkheden, prestatieverbeteringen en een data-streaming integratie aan voor MongoDB Atlas Vector Search, waardoor het voor ontwikkelaars nog sneller en eenvoudiger wordt om generatieve AI-toepassingen te bouwen. Organisaties van alle groottes hebben zich gehaast om MongoDB Atlas Vector Search te adopteren als onderdeel van een uniforme oplossing om data te verwerken voor generatieve AI-toepassingen sinds de aankondiging in preview in juni van dit jaar.

MongoDB Atlas Vector Search heeft het voor ontwikkelaars nog eenvoudiger gemaakt om gegevens samen te voegen en te filteren, waardoor semantische informatieterugwinning wordt verbeterd en het aantal hallucinaties in AI-gestuurde toepassingen wordt verminderd. Met de nieuwe prestatieverbeteringen voor MongoDB Atlas Vector Search is de tijd die nodig is om indexen op te bouwen nu aanzienlijk verminderd, tot wel 85%, om de ontwikkeling van toepassingen te helpen versnellen. Veel organisaties zijn op een missie om nieuwe klassen van toepassingen te ontwikkelen die gebruik maken van generatieve AI om aan de verwachtingen van eindgebruikers te voldoen.

De grote taalmodellen (LLM's) die deze toepassingen aandrijven, hebben echter actuele, bedrijfseigen gegevens nodig in de vorm van vectoren - numerieke weergaven van tekst, afbeeldingen, audio, video en andere soorten gegevens. Om een databank voor één doel aan hun technologiestapel toe te voegen, moeten ontwikkelaars echter kostbare tijd en moeite besteden aan het leren van de fijne kneepjes van het ontwikkelen met en onderhouden van elke specifieke oplossing. Dankzij nieuwe prestatieverbeteringen is de tijd die nodig is om een index op te bouwen met MongoDB Atlas Vector Search nu tot 85% korter om de ontwikkeling van AI-toepassingen te versnellen.