समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

DB कृते AI शान्ततया उष्णमार्गः भवति। एकं महत्त्वपूर्णं विशेषता अस्ति सदिशदत्तांशकोश/सदिशपुनर्प्राप्तिप्रौद्योगिकी यत् गतवर्षे हिट् आसीत्, तथा च बृहत् एआइ मॉडल् कार्यान्वयनार्थं अधिकाधिकं लोकप्रियम् अस्ति

DB कृते AI इत्यस्य अर्थः AI इत्यस्य विषये दत्तांशकोशसेवारूपेण केन्द्रीकरणं भवति । उपयोक्तृवेदनाबिन्दून् दृष्ट्या पारम्परिकदत्तांशकोशसंरचना बृहत् एआइ मॉडल् कृते न विनिर्मितः, न च अद्यतनसदिशपुनर्प्राप्तेः पूर्तये विनिर्मितः अस्ति

उदाहरणार्थं, उद्यमानाम् कृते बृहत्-परिमाणस्य आदर्श-अनुप्रयोगानाम् कार्यान्वयनार्थं, तेषां विशाल-दत्तांश-समूहानां निर्माणस्य आवश्यकता अनिवार्यतया भविष्यति, केवलं उच्च-गुणवत्ता-युक्तानि, उच्च-घनत्व-युक्तानि आँकडानि एव मॉडल्-प्रशिक्षणार्थं अधिकं सटीकं परिणामं प्राप्तुं शक्नुवन्ति परन्तु एतादृशानां बृहत् परिमाणानां दत्तांशस्य प्राप्त्यर्थं प्रबन्धनाय च प्रायः भण्डारणसम्पदां, गणनाशक्तिः, दत्तांशसंसाधनक्षमता च इत्यादीनि बहुसंसाधनानाम् आवश्यकता भवति तत्सह, विभिन्नस्वरूपैः, गुणवत्ता, दानेदारता, विषमता च सह आँकडास्रोतानां एकीकरणेन आदर्शप्रशिक्षणप्रक्रिया अपि जटिला भविष्यति । एतत् एकं कारणं यत् अद्यापि कम्पनयः जनरेटिव एआइ विषये सावधानतया आशावादीः सन्ति।

TMTpost Media इत्यनेन अवलोकितं यत् गतवर्षात् विदेशेषु मार्केट्-मध्ये अग्रणी-दत्तांशकोश/दत्तांश-गोदाम-कम्पनयः अपि च बृहत्-माडल-कम्पनयः ए.आइ. उदाहरणार्थं, क्लाउड् डाटा वेयरहाउस कम्पनी स्नोफ्लेक् इत्यनेन घोषितं यत् उद्यमानाम् कृते एआइ मॉडल् अनुकूलितुं एनवीडिया इत्यनेन सह सहकार्यं करिष्यति; ५० कोटि अमेरिकी डॉलर...

परन्तु वर्तमानदृष्ट्या एआइ-दत्तांशकोशयोः संयोजनस्य विचारः केवलं सदिशपुनर्प्राप्तिसम्बद्धः नास्ति । विगतकेषु वर्षेषु स्वायत्तदत्तांशकोशाः, आँकडाधारस्वनिरीक्षणं स्वनिदानं च, text2SQL मध्ये न्यून-कोड् + AI-प्रवर्तनं इत्यादयः सर्वाणि दिशानि सन्ति, येषां अन्वेषणं उद्योगे उद्यमग्राहकाः अद्यापि कुर्वन्ति, अद्यापि निष्कर्षं न प्राप्तवन्तः।

परन्तु उद्योगे केचन जनाः चेतयन्ति यत् एआइ-दत्तांशकोशयोः संयोजनम् अद्यापि अतीव नूतना तान्त्रिकदिशा अस्ति, तत्र तान्त्रिकदोषाः अपि भवितुम् अर्हन्ति

DB कृते AI इत्यस्य प्रवृत्तिः यथापि भवतु, प्रथमः प्रश्नः यः विद्यते सः अस्ति यत् इदानीं किमर्थम्? नूतनानि च समाधानानि कानि सन्ति ?

दत्तांशस्य अनुप्रयोगस्य उपयोगं च सरलीकरोतु

उदाहरणरूपेण Oracle इति गृह्यताम् ।

विगतमासद्वये Oracle इत्यनेन स्वस्य द्वयोः मूलदत्तांशकोशप्रबन्धनप्रणालीयोः-Oracle Database तथा MySQL HeatWave database इत्येतयोः AI पुनः आकारस्य घोषणा कृता । तस्य दत्तांशकोशनाम परिवर्तनात् स्पष्टा दिशा अस्ति : पूर्वं प्रत्यक्षतया Database 23c तः Database 23ai मध्ये परिवर्तितम्, उत्तरं तु HeatWave GenAI इत्यत्र उन्नयनं कृतम् "i" अन्तर्जाल, "g" जाल, "c" मेघ, "ai" कृत्रिमबुद्धिः, "GenAI" जननात्मक AI च भिन्नयुगेषु संस्करणेषु परिवर्तनं भिन्नयुगेषु ग्राहकमागधानां टिप्पिंगबिन्दुषु Oracle इत्यस्य तीक्ष्णदृष्टिम् प्रतिबिम्बयितुं शक्नोति . तेषु Database 23ai इत्यनेन उपरि उल्लिखितं vector database, 300 तः अधिकानि मुख्यकार्यं च उन्नयनं कृतम् अस्ति ।

विकासकाः Oracle-दत्तांशकोशेन सह "वार्तालापं" कर्तुं, जननात्मक-AI-क्षमताम् आह्वयितुं, SQL-जननार्थं, दत्तांशकोशेन सह वार्तालापस्य उद्देश्यं प्राप्तुं च अन्तिम-परिणामं निष्पादयितुं प्राकृतिकभाषायाः उपयोगं कर्तुं शक्नुवन्ति

विशेषतया, 23ai इत्यस्य Vector Search कार्यं LLM (Large Language Model) इत्यस्य प्राकृतिकभाषा-अन्तरफलकस्य उपयोगेन निजीव्यापारदत्तांशस्य प्रश्नं कर्तुं सक्षमं करोति, तथा च LLM इत्यस्य अधिकसटीकं प्रासंगिकं च परिणामं प्रदातुं साहाय्यं करोति ग्राहकाः निजीव्यापारदत्तांशैः सह संयोजनेन दस्तावेजान्, चित्राणि अन्ये च असंरचितदत्तांशं सुरक्षिततया अन्वेष्टुं Vector Search सुविधायाः उपयोगं कर्तुं शक्नुवन्ति, आँकडानां स्थानान्तरणं वा प्रतिलिपिं वा कर्तुं वा न प्रवृत्ताः। अस्य अर्थः अस्ति यत् एआइ एल्गोरिदम् एआइ एल्गोरिदम् इत्यस्य स्थाने दत्तांशस्य प्रवासनं विना दत्तांशस्य स्थाने प्रवेशं कर्तुं शक्यते, येन Oracle दत्तांशकोशे AI इत्यस्य वास्तविकसमये चालनं सक्षमं भवति, येन प्रभावशीलतायां महती उन्नतिः भवति, एआइ इत्यस्य दक्षतां सुरक्षां च।

HeatWave GenAI मुख्यतया आँकडाकोषस्य अन्तः LLM, स्वचालितं आँकडाधारस्य अन्तः सदिशभण्डारणं, स्केल-करणीय-सदिश-प्रक्रियाकरणं, असंरचित-सामग्री-आधारितं प्राकृतिक-भाषा-सन्दर्भ-संवादं च समाविष्टम् अस्ति HeatWave GenAI इत्यस्य उपयोगेन विकासकाः एकेन SQL आदेशेन उद्यमस्य असंरचितसामग्रीणां कृते सदिशभण्डारं निर्मातुं अन्तःनिर्मित-एम्बेडिंग् मॉडल् इत्यस्य उपयोगं कर्तुं शक्नुवन्ति । उपयोक्तारः एकस्मिन् चरणे प्राकृतिकभाषा-अन्वेषणं कर्तुं शक्नुवन्ति in-database अथवा external LLM इत्यस्य उपयोगेन । दत्तांशं दत्तांशकोशात् बहिः गन्तुं न प्रयोजनम्, तथा च HeatWave इत्यस्य विशालपरिमाणस्य अति-उच्चप्रदर्शनस्य च कारणात् उपयोक्तृभ्यः GPU-प्रावधानस्य आवश्यकता नास्ति । फलतः विकासकाः अनुप्रयोगजटिलतां न्यूनीकर्तुं, कार्यक्षमतां सुधारयितुम्, आँकडासुरक्षां वर्धयितुं, व्ययस्य न्यूनीकरणं च कर्तुं शक्नुवन्ति ।

इदं द्रष्टुं न कठिनं यत् ओरेकलस्य विचारः एआइ तथा आँकडानां कृते एकीकृतं संचालनमञ्चं प्रदातुं वर्तते, यत् अन्येषां दत्तांशकोश-उत्पादानाम् तीव्रविपरीतम् अस्ति

उदाहरणार्थं, आँकडाकोष-अन्तर्गत-एलएलएम-क्षमता उपयोक्तृभ्यः सम्भाव्य-असुरक्षित-वातावरणे आँकडानां निर्यातं वा सम्भाव्य-असुरक्षित-एलएलएम-इत्येतत् स्व-दत्तांश-वातावरणे आयातं विना वा मॉडल्-अनुप्रयोग-विकासाय आवश्यकानि कार्याणि कर्तुं शक्नोति यतो हि निर्यातस्य आयातस्य वा आवश्यकता नास्ति, सामान्यतया बृहत् परिमाणेन दत्तांशस्य निर्यातेन वा LLM इत्यस्य बृहत् परिमाणेन आयातेन वा कोऽपि व्ययः सम्बद्धः नास्ति एआइ विशेषज्ञतायाः आवश्यकता भवति।

यथा उद्योगे चिन्ताजनकाः सदिशदत्तांशकोशाः, टाइटेनियम मीडिया इत्यनेन पूर्वं विश्लेषितं यत् यदि आँकडाधारनिर्मातारः स्वतन्त्रतया सदिशदत्तांशकोशान् न विकसयन्ति तर्हि ते मूलतः देशीयसदिशशब्द एम्बेडिंग्स् तथा सदिशसर्चइञ्जिनानां समर्थनस्य वकालतम् करिष्यन्ति

सम्प्रति 23ai उत्पादस्वप्रमाणीकरणं अपि उत्तीर्णं कुर्वन् अस्ति:सदिशपुनर्प्राप्तिः दत्तांशकोशस्य अन्तःनिर्मितक्षमता भवितुमर्हति, न तु स्वतन्त्रं उत्पादम् । व्यावसायिक-शब्दार्थदत्तांशयोः संयोजनस्य अन्वेषणं सुलभं, द्रुततरं, सटीकं च भवति यदि उभयप्रकारस्य दत्तांशस्य प्रबन्धनं एकेन दत्तांशकोशेन भवति । अस्य मार्गस्य समर्थनं यत् समाधानं तत् एकं दत्तांशकोशं यत् सर्वान् दत्तांशान् प्रबन्धयितुं शक्नोति, तथा च उच्च-प्रदर्शन-अति-किफायती-रीत्या प्रबन्धनं कर्तुं शक्नोति । ओरेकलस्य उपाध्यक्षस्य चीनस्य प्रबन्धनिदेशकस्य च वु चेङ्गयाङ्गस्य दृष्ट्या "सर्वं दत्तांशं एकस्मिन् स्थाने स्थापनीयम्। एवं प्रकारेण प्रश्नाः, पृच्छा च बहु सुलभाः भविष्यन्ति।

"अद्यत्वे अधिकांशजना: यत् कुर्वन्ति तत् अस्ति यत् आँकडाधारदत्तांशं एआइ प्रति नेतुम् ततः तत् बहिः गृह्णाति, यस्मिन् प्रायः आँकडासुरक्षाविषयाणि, प्रबन्धनानुमतेः विषयाः इत्यादयः सन्ति। Oracle इत्यस्य दृष्टिकोणः अस्ति यत् एआइ आँकडाकोषे आनयितुं सदिशदत्तांशकोशं The entire इत्यत्र एम्बेड् करणीयम् database.न केवलं सदिशः, अपितु संलयनदत्तांशकोशः यः पाठः, आलेखः, JSON इत्यादीनां बहुविधदत्तांशस्य एकीकरणं कर्तुं शक्नोति केवलं Oracle एव एतत् कर्तुं शक्नोति ।”वू चेङ्गयाङ्गः अवदत्।

ओरेकल चीनस्य तकनीकीपरामर्शविभागस्य वरिष्ठनिदेशकः ली जिया टीएमटीपोस्ट् इत्यनेन सह एकं प्रकरणं साझां कृतवान् यत् एकः उद्यमग्राहकः मुक्तस्रोतसदिशदत्तांशकोशात् ओरेकलसंलयनदत्तांशकोशं प्रति प्रवासं कृतवान् तस्य पृष्ठतः त्रयः मूलचालककारकाः सन्ति- १.प्रथमं, अनुप्रयोग-आर्किटेक्चरस्य दृष्ट्या, मूल-अनुप्रयोग-वास्तुकलायां भिन्न-भिन्न-प्रौद्योगिकी-ढेराः सन्ति, तथा च उच्च-प्रबन्धन-जटिलता, न्यून-दक्षता च भवति, द्वितीयं, यदा आँकडा-आर्किटेक्चर-विस्तारः भवति तदा कार्यप्रदर्शन-समस्याः सन्ति तृतीयम्, तत् विद्यमान-व्यापार-आँकडानां सह एकीकृतं कर्तुं न शक्यते retrieved समग्रलिङ्कस्य कार्यक्षमता प्रायः उच्चा न भवति ।ली जिया इत्यस्य दृष्ट्या अधिकाधिकाः ग्राहकाः एतादृशं विकल्पं कुर्वन्ति, अयं अपवादः नास्ति ।

"केचन ग्राहकाः टैगसूचनाः MongoDB मध्ये, अनुमतिसूचनाः परिचयसूचनाः च MySQL मध्ये, ज्ञानलेखान् ग्राफदत्तांशकोषेषु स्थापयन्ति, ततः सदिशदत्तांशकोषेषु दस्तावेजान् इत्यादीनां सदिशदत्तांशं संग्रहयन्ति, येन अनुप्रयोगानाम् एकीकरणं कठिनं भवति

वू चेङ्गयाङ्गः प्रवासः एव जटिलः नास्ति इति दर्शितवान् । कुञ्जी अस्ति यत् ग्राहकाः तुलनाद्वारा अनुभवितुं प्रवृत्ताः सन्ति यत् तेषां कृते कोऽपि तान्त्रिकसमाधानं (संलयनम् अन्यत् वा) अधिकं उपयुक्तं भविष्यति। ग्राहकाः दत्तांशं अतीव महत्त्वपूर्णं मन्यन्ते, परन्तु व्यावसायिकं DBA इत्येतत् विहाय ग्राहकाः प्रायः दत्तांशकोशानां प्रति उदासीनाः भवन्ति । अद्यतनदत्तांशकोशाः विशेषतया फैशनयुक्तानां तान्त्रिकपदानां विषये न वदन्ति, परन्तु दत्तांशकोशः कथं कर्तव्यः इति निर्धारयितुं ग्राहकस्य अनुभवस्य उपयोगं कुर्वन्ति ।

अस्य कृते Oracle इत्यनेन इदमपि प्रस्तावितं यत् आधुनिकदत्तांशमञ्चे "4 Any" इति, अर्थात् Anytime, Anywhere, Any Data, Anyoone इति लक्ष्यं दत्तांशप्रबन्धनं, विकासं, जननं च सरलीकर्तुं भवति ।

DB कृते AI अग्रिमप्रतियोगितायाः चक्रं प्रविशति

समग्रतया, Oracle इत्यस्य AI रणनीतिः वास्तविकपरिदृश्यानां परितः निर्मितः अस्ति यस्मिन् उद्यमाः AI इत्यस्य उपयोगं कुर्वन्ति, सम्पूर्णं प्रौद्योगिकी-ढेरं कवरं कृत्वा अन्तः अन्तः जननात्मकं AI-मात्रिकं निर्मायते यत्र Oracle Cloud Infrastructure (OCI) इत्यस्य आधारेण AI आधारभूतसंरचनानिर्माणसमर्थनं, Oracle Database, Oracle Autonomous Database तथा MySQL HeatWave इत्यादीनि आँकडाधार-उत्पादाः सन्ति ये AI कृते आँकडान् प्रदास्यन्ति, तथैव SaaS अनुप्रयोगाः यथा ERP, HCM तथा CX इत्यादीनि एम्बेडेड् जनरेटिव AI कार्याणि सन्ति .

अद्यतनवित्तवर्षस्य वित्तीयप्रतिवेदने ओरेकलेन महत्त्वपूर्णसूचना प्रकाशिता: केवलं चतुर्थे त्रैमासिके ओरेकलेन ३० अधिकानि एआइ विक्रयसन्धिषु हस्ताक्षरं कृतम् यस्य कुलमूल्यं १२.५ अरब अमेरिकीडॉलरात् अधिकं भवति, यत्र माइक्रोसॉफ्ट द आनेतुं महत्त्वपूर्णः सहकार्यः अपि अस्ति तर्ककरणादिगणनाशक्तिः OpenAI इत्यस्य आवश्यकतानां समर्थनार्थं Azure मञ्चं OCI इत्यस्मै विस्तारितम् अस्ति ।

बृहत् मॉडल् कृते स्पर्धा अधुना अतीव तीव्रा अस्ति अद्यतनकाले विभिन्नानां बृहत् मॉडल् उत्पादानाम् पुनरावृत्तिवेगः महत्त्वपूर्णतया त्वरिता अस्ति, येन मॉडल् प्रशिक्षणस्य गतिः उच्चाः आवश्यकताः अग्रे स्थापिताः भविष्यन्ति यावन्तः GPUs, तावत् बृहत् दत्तांशसमूहः, कोर्पसः तावत् बृहत्, प्रदत्ताः आधारभूतसंरचनक्षमता, प्रशिक्षणसमयः अल्पः, नूतनोत्पादानाम् अद्यतनस्य गतिं तावत् शीघ्रं वर्धयितुं शक्नोति

"सम्प्रति ओरेकलस्य बृहत्तमः कम्प्यूटिङ्ग् पावरक्लस्टरः ३०,००० कार्ड्स् यावत् प्राप्तुं शक्नोति, भविष्ये च स्केलः अपि बृहत्तरः भवितुम् अर्हति ।" दिवसः तथा एचपीसी आधारभूतसंरचना, ओरेकलवयं विशेषतया संजालस्य अनुकूलनं कृतवन्तः, सम्पूर्णं GPU अधिकं मापनीयं कर्तुं हानिरहितं संजालप्रणालीं निर्मितवन्तः ।

OCI Supercluster बहुविध-GPU-सहकारिकार्यं साक्षात्कर्तुं शक्नोति एकस्मिन् समये Oracle शीघ्रमेव ग्राहकानाम् प्रशिक्षण-आवश्यकतानां पूर्तये उच्च-प्रदर्शन-सञ्चिका-प्रणालीं विमोचयिष्यति । नवीन OCI Compute bare metal instances, ultra-low latency RDMA networking and high-performance storage इत्यनेन सह OCI Supercluster महत्त्वपूर्णतया द्रुततरं भविष्यति । एआइ मॉडल् इत्यस्य वर्धमानमागधायाः प्रतिक्रियायां उद्यमानाम् सहायतां अधिकतमं कर्तुं OCI NVIDIA B200 इत्यस्य उपयोगेन मॉडल् प्रारम्भं करिष्यति।

ज्ञातव्यं यत् यतः Oracle तथा NVIDIA इत्यनेन २०२२ तमे वर्षे दीर्घकालीनसहकार्यस्य घोषणा कृता, तस्मात् तेषां लक्ष्यं NVIDIA इत्यस्य सम्पूर्णं त्वरितं कम्प्यूटिंग् स्टैकं OCI इत्यत्र परिचययितुं अद्य OCI NVIDIA इत्यस्य अति-बृहत्-परिमाणस्य क्लाउड्-प्रौद्योगिकी-प्रदाता अभवत्, यत् बृहत्-परिमाणस्य AI-प्रदानं करोति कम्प्यूटिंग सेवाएँ NVIDIA DGX Cloud.

जी क्षियाओफेङ्ग् व्याख्यातवान् यत् "यद्यपि अधुना MoE मॉडल् अस्ति तथापि अनुमानपदे अद्यापि बहु कम्प्यूटिंग् शक्तिः आवश्यकी अस्ति। Oracle तथा NVIDIA इत्येतयोः सहकार्यं भागिनानां मध्ये पूर्वसहकार्यात् भिन्नम् अस्ति। केषाञ्चन मूलसेवानां कार्यान्वयनस्य कृते उत्पादः उभयपक्षस्य विभागेषु गहनसहकार्यं भवति” इति ।

एकस्मिन् अर्थे Oracle इत्येतत् केवलं दत्तांशकोशकम्पनी नास्ति । अन्तिमेषु वर्षेषु OCI, SaaS इत्यादिषु स्तरेषु निवेशेन Oracle यथार्थतया Microsoft, Google इत्यादीनां क्लाउड् कम्प्यूटिङ्ग् कम्पनी अभवत् । अतः आँकडाधारस्तरस्य ओरेकलस्य निवेशतर्कं ज्ञातुं वयं आँकडाधारप्रौद्योगिकीउत्पादानाम् सीमानां प्रतिलिपिं कर्तुं न शक्नुमः, न च चीनीयविपण्ये ओरेकलस्य अधिकविकासमार्गाणां न्यायं घरेलुप्रतिस्थापनस्य दृष्ट्या कर्तुं शक्नुमः।

सम्प्रति 23ai इत्यस्य सार्वजनिकमेघसंस्करणं प्रारब्धम् अस्ति, अस्मिन् वर्षे उत्तरार्धे स्थानीयसंस्करणं प्रारब्धं भविष्यति इति अपेक्षा अस्ति । अस्य अर्थः अस्ति यत् चीनीय उद्यमग्राहकानाम् 23ai इत्यस्य उपयोगस्य सीमा अपि महती न्यूनीभूता भविष्यति।

विगतकेषु वर्षेषु ओरेकलेन चीनस्य विदेशविस्तारस्य सेवायाः "द्वयचक्र"विस्तारतर्कस्य उपरि निरन्तरं बलं दत्तम् अस्ति तथा च चीनदेशे बहुराष्ट्रीयकम्पनीनां व्यापारः ओरेकलस्य चीनीयनिगमग्राहकैः सह सहकार्यं अपि उपयोक्तृमागधानां विषये तस्य अवगमनं ताजगीं जनयति।

(एषः लेखः प्रथमवारं टाइटेनियम मीडिया एपीपी लेखकः | याङ्ग ली, सम्पादकः | गै होङ्गडा इत्यत्र प्रकाशितः)