2024 年 2 月 14 日 — 在最近的这篇博文中，Oracle 产品管理副总裁 George Lumpkin 深入探讨了该公司对 Oracle 自治数据库的最新增强功能。这些更新对于将 AI 和高级机器学习直接集成到用户应用程序中至关重要，为复杂的数据挑战提供直观的解决方案。
随着人工智能创新涌入市场，我们不断从客户那里听到需要破译所有行话、学习新工具甚至将数据移动到人工智能工具所在位置所带来的挑战。
图片来源：Jonathan Weiss/Shutterstock
这就是为什么我们将 AI 嵌入到我们的全栈（包括我们的数据库）中，因此您无需获取数据即可获得 AI 功能。考虑到这一目标，我们将对 Oracle 自治数据库进行多项增强，包括将 AI 和高级机器学习集成到应用中的尖端创新。
这些直观且易于使用的增强功能包括：
- 自治数据库选择 AI 现在允许开发人员创建支持 AI 的应用程序，这些应用程序可以理解用户在对话线程中的自然语言问题，并从私有数据中获取答案。
- Oracle Machine Learning 中新增了空间增强功能，使组织能够在 ML 模型中包含位置关系，从而提高模型准确性。
- 新的用户友好型“无代码”模型监控界面简化了对 ML 模型中质量和概念漂移的及时检测。
- Autonomous Database Graph Studio 的新 UI 支持使用拖放方法在资源描述框架 （RDF） 知识图谱上创建属性图视图，使组织能够探索知识孤岛之间的互连，而无需复杂的编码或数据重复。
综合起来，自治数据库的这些增强功能反映了 Oracle 的持续承诺，即为您提供将 AI 和 ML 集成到其应用中所需的工具，从而帮助您快速从数据中获取洞察并及时做出业务决策。这些新的创新都直接内置在自治数据库中，使任何组织都能轻松立即利用它们。
与您的数据对话
Select AI 是去年 9 月发布的一项突破性功能，可让您使用自然语言通过自治数据库分析数据（请参阅自治数据库说“人类”）。
Select AI 的主要优势之一是您可以提出业务问题，而无需了解数据的存储位置或如何制定 SQL 查询。它可供任何 SQL 应用程序访问，并作为自治数据库中的集成功能提供，因此您可以立即利用它。现在，Select AI 在支持对话方面做得更好。
以前，在Select AI中，用户可以使用大型语言模型（“我今年的总销售额是多少？”）通过自然语言询问他们的数据问题（LLMs）。但是，没有能力记住以前的问题并以此为基础作为后续问题。Select AI 现在使聊天记录可供 使用LLM，以便它可以解释后续问题的上下文。
用户现在可以与他们的数据库进行“对话”，以探索和缩小他们需要的答案，就像现实生活中的讨论一样。此外，为了完全透明并验证结果，您现在可以要求 Select AI 生成生成的 SQL 和查询处理的描述：
最重要的是，Select AI 的优势在于其独特的能力，可以直观且轻松地使用 AI 增强应用程序。Oracle 不需要使用自定义编码和专有接口来尝试将 AI 与应用集成，而是专注于使开发人员和整个组织尽可能直观地采用企业生成式 AI。
Select AI 与 OCI 生成式 AI 紧密集成
我们最近宣布，Select AI 将支持 OCI 生成式 AI。今天，我们宣布，OCI 生成式 AI 现已推出。通过将自治数据库中的私有企业数据与生成式 AI 的生产力和创造力安全地相结合，您可以加快应用开发或创建新的业务解决方案。选择采用 OCI 生成式 AI 的 AI 有助于确保数据安全 — 数据永远不会离开 Oracle 云基础设施 （OCI），不会与 AI 提供商共享，并且使用 Oracle 数据库的高级功能进行保护。查看公告，了解如何提供引人注目的 AI 驱动型解决方案。
利用上下文丰富您的分析
将语义应用于数据和数据关系非常有价值;人工智能和机器学习算法可以使用这些语义来帮助生成更引人注目和更可靠的结果。自治数据库有两个重要的增强功能可帮助您利用该业务环境：分析知识图谱定义的关系和连接，以及使用地理位置构建更有效的机器学习模型。
轻松分析知识图谱定义的关系
RDF 知识图谱通过捕获机构孤岛中数据之间的复杂关联，帮助将意义应用于数据关系。组织可以从知识图谱中的数据中获得额外的见解，但如果不复制数据或进行复杂的编码，这并不容易。
现在，您可以通过属性图视图将自治数据库的内置图形分析（如路径查找、中心性和异常检测算法）应用于知识图谱，从而轻松发现隐藏的关系。使用 Graph Studio 中新的无代码用户界面，可以轻松设置属性图模型。
使用位置信息改进机器学习
地理位置可以成为各种预测分析的重要输入。Oracle Machine Learning for Python （OML4Py） 的新增强功能使开发人员和数据科学家能够创建包含位置关系的机器学习模型，同时利用 Oracle Spatial 对空间数据类型、索引和分析的原生支持。数据科学家可以通过定量方法（例如空间聚类、回归、分类和异常检测）检测空间模式，而无需将数据移出数据库或自行编写复杂的算法。
通过“无代码”模型监控保持机器学习解决方案的有效性和目标性
现实世界的机器学习部署面临着现实世界的挑战：欺诈者调整行为，客户的购买模式发生变化，微观经济或宏观经济变化可能会影响整个市场。MLOps 员工必须时刻注意“模型漂移”，即当 ML 模型的准确性由于各种外部因素而开始下降时。
新的模型监控 UI 可帮助专家和非专家 MLOps 员工只需单击几下即可监控 ML 模型的有效性，无需复杂的编码，使他们能够在需要时快速调整 ML 模型。
这一切都回到了您的数据
显然，没有数据，人工智能和机器学习就无法存在。人工智能和机器学习的结果只会与它们所处理的数据一样有效。自治数据库通过提供数据资产的集成视图，大大简化了您的分析应用程序。
Oracle 自治数据库提供统一的数据视图
它提供了内置功能，可以访问和准备数据，以便从 100 多个应用程序、数据湖和数据库进行分析。借助自治数据库，您可以利用数据湖目录（例如 Oracle OCI 数据目录和 Amazon Glue），并立即访问这些数据以进行分析，而无需进行任何管理。
总结
人工智能和机器学习的进步正在以惊人的速度发展。使用自治数据库可帮助您的组织克服采用方面的许多挑战：数据复杂性、数据隐私、组织技能集和实施分析。现在是利用 AI 和 ML 进行创新的最佳时机。
