包阅导读总结
1. 关键词：Cloud SQL for MySQL、新機能、ベクター検索、Gemini サポート、AI アプリケーション
2. 总结：本文主要介绍了 Cloud SQL for MySQL 的最新信息，包括其为企业提供的性能等优势，以及新推出的可用于构建生成 AI 应用并与 MySQL 集成的向量搜索等功能。
3. 主要内容：
– Cloud SQL for MySQL 为企业应用提供性能、可扩展性和可靠性
– 企业如 Chess.com 和 Google Nest 已利用它推动创新和改善用户体验
– Google 为支持企业变革发布 Cloud SQL for MySQL 新功能并提供预览版
– 新功能包括向量嵌入搜索的集成支持，有助于构建创新生成 AI 应用和工具
– 提供向量嵌入的存储和相似性搜索，LangChain 集成用于生成嵌入
– 给出使用 LangChain 在 MySQL 中使用向量嵌入的指南和端到端示例
思维导图：
文章地址：https://cloud.google.com/blog/ja/products/databases/cloud-sql-for-mysql-vector-and-gemini-support/
文章来源：cloud.google.com
作者：Julia Offerman
发布时间：2024/6/28 0:00
语言：英文
总字数：3490字
预计阅读时间：14分钟
评分：84分
标签：数据库,AI & 机器学习
以下为原文内容
本内容来源于用户推荐转载，旨在分享知识与观点，如有侵权请联系删除 联系邮箱 media@ilingban.com
※この投稿は米国時間 2024 年 6 月 15 日に、Google Cloud blog に投稿されたものの抄訳です。
Cloud SQL for MySQL は、企業が幅広いアプリケーションに必要とする堅牢なパフォーマンス、スケーラビリティ、信頼性を提供します。複雑なゲームデータの管理からスマートホーム デバイスの運用まで、Chess.com などの企業や Google Nest はすでに Cloud SQL for MySQL を活用してイノベーションを推進し、ユーザー エクスペリエンスを改善して、データドリブン ソリューションの強固な基盤を提供しています。AI 機能の需要が高まるなか、組織は、すでにアプリケーションをサポートしているデータベースを使用しながら、ビジネスのニーズに合わせて AI を活用することを目指しています。
企業のビジネス変革を支援するために、Google は最近、Cloud SQL for MySQL の新機能をいくつか発表し、プレビュー版で利用できるようにしました。これらの新機能は、企業が AI を活用してデータベースとアプリケーションを強化するために役立ちます。Google がこのたび提供を開始したベクター エンベディング検索の統合サポートを活用すれば、革新的な生成 AI アプリケーションとAI 支援ツールを構築し、データベース管理を簡素化して、Gemini でパフォーマンスを次のレベルに引き上げるために役立てることができます。これらの新機能について詳しく見ていきましょう。
1. ベクター検索を使用して生成 AI アプリケーションを構築し、MySQL と統合する
Cloud SQL for MySQL ではベクター エンベディングのストレージと類似性検索が提供されるようになり、既存のアプリケーションで生成 AI を使用できるようになりました。エンベディング間の K 最近傍（KNN）と近似最近傍（ANN）検索がすべて MySQL エンジン内で提供されるようになりました。
ベクター エンベディングを生成するための LangChain インテグレーション
データをベクターとしてエンベディングすると、AI システムがより有意義にデータを処理できるようになります。情報をベクターとしてエンベディングすると、複雑性を保ちながら効率的に保存できます。これにより、AI アプリケーションはそれぞれ一意のデータを体系的に比較して類似点を発見できます。
LangChain は、大規模言語モデル（LLM）を使用してアプリケーションを構築するためによく使われるオープンソース フレームワークです。Cloud SQL チームは、データを処理してベクター エンベディングを生成し、それを MySQL インスタンスに接続するために役立つ Vector LangChain パッケージを構築しました。このインテグレーションにより、ベクターストア、ドキュメント ローダ、チャット メッセージ履歴が提供されます。
LangChain を使用して MySQL でベクター エンベディングを使用するためのガイドと、チャット履歴や大きいドキュメントなどのデータのエンベディングを生成し、そのエンベディングを MySQL に保存して検索する方法についてのエンドツーエンドの例をご覧ください。
ベクター検索による生成 AI アプリケーションの強化
