Deprest表示,MyGamePlan正在使用AI模型持續(xù)豐富數據,并將這些數據用于洞察和分析,因此MongoDB非常適合這一用例。
兩年前,MyGamePlan啟動了開發(fā)項目,從那時起便開始采用MongoDB。數據涉及復雜的多向關系,需要將比賽與球員、事件和跟蹤相互關聯。為了更好地表示這種數據關系,MyGamePlan選擇在豐富的文檔結構中使用嵌套元素。這種方法不僅能夠提高開發(fā)者的工作效率,還能夠提升程序運行效率。如果使用外鍵創(chuàng)建關系模型,再連接關系數據庫中的規(guī)范化表格,這樣極為緩慢且低效。
在開發(fā)方面,Deprest表示,使用PyMongo driver將MongoDB與托管在Sagemaker的Python ML數據管道和MongoDB Node.js driver集成在一起,隨后將其用于基于React、面向客戶端的網頁和移動應用程序。
Deprest認為,造成MongoDB與NoSQL數據之間差異的兩個關鍵因素在于: 首先,MongoDB更受開發(fā)者的青睞,采用率更高。這就意味著團隊能夠快速熟悉它,并利用它來提高效率。其次,用戶可以直接在實時數據的基礎上構建應用內部分析,無需花費時間和金錢將其移動到數據倉庫或數據湖中。借助MongoDB的聚合管道,用戶可以使用強大的滾動、變換和窗口函數來處理和分析數據,以根據需求對數據進行切片和切塊。
除了預測式AI,MyGamePlan團隊正在評估如何利用GenAI來進一步改善用戶體驗。
據Deprest介紹,MyGamePlan平臺擁有豐富的數據和分析,希望讓球員和教練能夠更加輕松地從中獲得洞見。為此,他們正在探索在數據之上進行自然語言處理,并通過聊天和問答界面來實現這一目標。借助GenAI,用戶可以輕松地可視化并總結數據。目前,團隊正在評估將OpenAI旗下大型語言模型 (LLM )ChatGPT與復雜的提示工程方法相結合,同時利用LangChain進行編排,配合使用LlamaIndex和MongoDB Atlas Vector Search來實現檢索增強生成 (RAG )的能力。
基于MongoDB Atlas來構建應用,使MyGamePlan團隊能夠利用開發(fā)者數據平臺的豐富功能,為未來的幾乎所有應用和AI需求提供支持。用Deprest的話來說,就是:“由于MyGamePlan的源數據保存在MongoDB Atlas數據庫中,將其與向量存儲及就地向量搜索結合使用為我們的開發(fā)者提供了一種非常高效且完美的解決方案?！?/p>
Ferret.ai: 通過AI和MongoDB Atlas生成智能,解析關系以創(chuàng)建信任,同時降低成本達30%
無論在現實世界還是在數學世界,我們都在不斷地與他人建立關系。不論是線上交易、廠商或專業(yè)人士與潛在客戶,還是投資者與企業(yè)創(chuàng)始人或者其他方面,建立新的人際關系不可避免。在所有這些關系中,信任必不可少,然而建立信任卻是一件非常具有挑戰(zhàn)性的事情。Ferret.ai正是這樣一款旨在幫助消除猜疑、建立信任的工具。
Ferret是一個AI平臺,專注于為公司和個人提供實時、公正的情報,以識別風險并把握機遇。借助先進的預測式和生成式AI,結合成千上萬的全球數據源及數十億公開文件,Ferret.ai可提供精心策劃的關系情報和監(jiān)測服務 (這些服務以往僅限于金融行業(yè)使用 ),幫助樹立透明度新標準。
Ferret首席技術官Al Basseri在談及Ferret的工作原理時表示,Ferret.ai從公共來源中獲取個人信息。這些來源包括社交網絡、交易記錄、法庭文件、新聞檔案、公司所有權和注冊商業(yè)利益等。相關數據通過Kafka管道傳輸到公司的Anyscale/Ray MLops平臺,在這個平臺上,再使用spaCy提取和機器學習模型來進行自然語言處理。Ferret.ai從數據源中獲得的所有元數據 (接近30億個文檔 )及模型推斷均存儲在MongoDB Atlas中。用戶可通過頁面和移動客戶應用程序,企業(yè)用戶可通過即將推出API來使用Atlas中的數據。
除了預測式AI之外,公司開發(fā)者目前正在嘗試在Ferret平臺上使用GenAI。Basseri表示,Ferret與英偉達的數據科學團隊建立了緊密的合作關系,從而能夠對所提供的數據來源和分析進行綜合,以幫助客戶更好地了解聯系人,并建立良好的關系。實驗表明,相比那些規(guī)模更大、更通用的大型語言模型,Mistral模型及其混合專家集成系統(tǒng)所需的資源開銷更少。
除了托管來自Ferret的預測式和生成式AI模型數據外,客戶數據和聯系人列表也存儲在MongoDB Atlas中。Ferret可對公共記錄源進行持續(xù)監(jiān)測和評分,及時檢測個人身份信息的變化。
正如Basseri所介紹的,通過使用MongoDB Atlas Triggers,Ferret.ai可以監(jiān)測評分的更新,并立即向消費應用程序發(fā)送警報,從而使客戶能夠實時了解關系網絡動態(tài)。這是一種具有反應式的、完全基于事件驅動的程序,開發(fā)者只需進行設置即可輕松實現。
Basseri還介紹了MongoDB為其開發(fā)者帶來的其它一些優(yōu)勢,其中包括:
– 借助Atlas,該服務以完全托管的形式提供,并融入了最佳實踐。這使開發(fā)者和數據科學家可以從數據庫運行工作中解脫出來,將精力投入到應用程序和AI創(chuàng)新上
– MongoDB Atlas是一種成熟的解決方案,已被廣泛應用于許多高增長的企業(yè)
– 隨著團隊的迅速擴展,擁有了解MongoDB的工程師變得至關重要
除了數據庫之外,Ferret正將其對MongoDB Atlas平臺的應用擴展到文本搜索領域。隨著公司進入谷歌云,其正在從現有的Amazon OpenSearch服務遷移到Atlas Search。
在談及遷移的驅動因素時,Basseri表示:“將數據庫和搜索統(tǒng)一在同一個API有助于減少開發(fā)者的認知負荷,從而提高他們的工作效率,加快新功能的構建。這樣可以消除了數據庫和搜索之間同步數據帶來的不便,從而縮短了工程周期。此外,這也意味著用戶可以獲得更好的體驗,因為之前的延遲瓶頸已經消失,用戶在Ferret平臺上搜索聯系人和內容時,可以得到最新的結果,而不是過時的數據。從OpenSearch遷移到Atlas Search還可以節(jié)省資金成本,并獲得更多的靈活性。通過消除數據庫和搜索引擎之間不必要的數據冗余,可將每月的總云成本減少30%。由于Atlas是支持多云的開發(fā)者數據平臺,因此可以根據需要在多個云提供商之間遷移。”
遷移完成后,Basseri及其團隊將能夠使用Atlas Vector Search進行開發(fā),并繼續(xù)構建Ferret平臺的GenAI功能。
從以上兩個案例可以看出,無論企業(yè)目前處于AI發(fā)展的哪個階段,MongoDB均可提供支持。
