تراهن Dremio على الذكاء الاصطناعي التوليدي ، وتضيف أدوات جديدة لتسريع سير عمل البيانات

يعمل Dremio ، بائع بحيرة البيانات المفتوحة الذي يجمع بين إمكانات بحيرة البيانات والمستودع على طبقة موحدة ، بشكل شامل على الذكاء الاصطناعي التوليدي.

أعلنت الشركة اليوم عن إمكانات جديدة للذكاء الاصطناعي العام لمنصتها: تجربة تحويل النص إلى SQL للاستعلام التحادثي عن البيانات ، وطبقة دلالية مستقلة للمساعدة في فهرسة البيانات ومعالجتها.

>> تابع تغطية الذكاء الاصطناعي التوليدية المستمرة من VentureBeat <<

ستعمل العروض على تبسيط العمل مع البيانات لمستخدمي Dremio ، مما يمكنهم من استكشاف أصول البيانات الخاصة بهم واكتشافها وتحليلها بسرعة وسهولة. بذلت جهود مماثلة من قبل لاعبين بارزين آخرين في النظام البيئي للبيانات (بما في ذلك Snowflake و Informatica) ، مما يشير إلى صعود معالجة البيانات المدفوعة بالذكاء الاصطناعي.

كيف ستساعد الميزات الجديدة؟

لطالما اعتمد فتح القيمة من البيانات على عدد من الخطوات اليدوية والمستهلكة للوقت. باستخدام أحدث الإمكانات ، يستخدم Dremio الذكاء الاصطناعي التوليدي لمعالجة بعض هذه الثغرات.

على سبيل المثال ، مع تجربة Text-to-SQL الجديدة ، بدلاً من قضاء الوقت في كتابة استعلامات SQL المعقدة (لغة الاستعلام المهيكلة) ، يمكن للمستخدمين ببساطة إدخال مدخلات اللغة الطبيعية للحصول على رؤى من بياناتهم. يستخدم العرض فهمًا دلاليًا للبيانات الوصفية والبيانات ، ويحول تلقائيًا استعلام اللغة البسيطة إلى SQL ، مما يوفر النتائج المرجوة.

وبالمثل ، تستخدم الطبقة الدلالية المستقلة الذكاء الاصطناعي التوليدي للقضاء على متاعب فهرسة البيانات اليدوية. يتعلم تلقائيًا التفاصيل المعقدة لبيانات المستخدمين وينتج أوصافًا لمجموعات البيانات والأعمدة والعلاقات لإنشاء تصنيفات لسهولة اكتشاف البيانات واستكشافها.

وفقًا لـ Dremio ، تتعلم هذه الطبقة أيضًا من أعباء عمل المستخدمين وتخلق انعكاسات (تجسيد محسن لبيانات المصدر أو استعلام) لتسريع معالجة البيانات.

قال تومر شيران ، الشريك المؤسس ورئيس قسم العمليات في Dremio: “من خلال دمج إمكانات الذكاء الاصطناعي التوليدية في نظامنا الأساسي ، فإننا نقوم بتسريع سير عمل البيانات والقضاء على الكثير من العمل اليدوي المتضمن في تطوير SQL وإنشاء كتالوج البيانات وتنظيمها والمزيد”.

وأضاف: “سيغير الذكاء الاصطناعي التوليدي هندسة البيانات وعلوم البيانات والتحليلات على مدى السنوات القادمة ، ونحن متحمسون لتزويد مستخدمينا بأقوى أدوات الصناعة للكشف عن الإمكانات الحقيقية لبياناتهم”.

قدرات قاعدة بيانات المتجهات

بالإضافة إلى أدوات الذكاء الاصطناعي التوليدية ، تعمل Dremio على دمج إمكانات قاعدة بيانات المتجهات مباشرةً في Lakehouse ، مما يمكّن الشركات من إنشاء تطبيقات مدعومة بالذكاء الاصطناعي دون إنشاء مستودعات بيانات إضافية.

باستخدام هذه الميزة ، سيتمكن المستخدمون من إضافة عمود من النوع “متجه” لتخزين عناصر البيانات المختلفة والبحث فيها.

على سبيل المثال ، إذا كان لدى المستخدم جدول لمراجعات Amazon ، فسيكون قادرًا على تخزين الزخارف التي ترمز معنى كل مراجعة إلى جانب السمات الأخرى. وبعد ذلك ، عند الاقتضاء ، يمكنهم استخدام فهارس Dremio ووظائف SQL لاسترداد المراجعات المماثلة أو ذات الصلة بناءً على معانيها.

تجربة تحويل النص إلى SQL متاحة الآن لمستخدمي Dremio ، بينما سيتم طرح إمكانات الطبقة الدلالية المستقلة وقاعدة بيانات المتجه في مرحلة لاحقة.

>> لا تفوّت إصدارنا الخاص: بناء الأساس لجودة بيانات العملاء. <<