Google Cloud データベースに AI 機能が追加

Google Cloud は、顧客による人工知能アプリケーションの開発を促進するために、BigQuery、AlloyDB、Spanner などの分析およびトランザクション データベースを強化しています。

分析と AI ワークロードをサポートする Google Cloud のトップ データベースである BigQuery では、いくつかの AI 拡張機能が開発されました。まず、同社はテキストと音声に関する BigQuery と Vertex AI の統合のプレビューを開始しました。 Google Cloudは、これによりユーザーは画像や文書などの非構造化データから洞察を抽出できるようになると述べた。

同社の最大かつ最も強力な AI モデルである Gemini も、Vertex AI を通じて BigQuery のお客様にご利用いただけます。このモデルは先週、消費者市場でデビューしたが評判が悪く、物議を醸した。

これらの AI 機能は、BigQuery が以前に発表したベクトル検索機能に続くものです。プレビュー段階のベクトル検索機能は、大規模言語モデルを使用した類似性検索や検索拡張生成 (RAG) などの GenAI アプリケーションの主要コンポーネントをサポートします。

Google Cloud AI のゼネラルマネージャー兼データ分析担当副社長である Gerrit Kazmaier 氏は、BigQuery で Vertex AI に直接アクセスすることで、Google Cloud AI の顧客の使いやすさがさまざまな点で向上すると述べています。

「データ分析の専門家は、SQL コマンドラインまたは BigQuery 組み込み Python API を通じて、Gemini モデルを含むすべての Vertex AI モデルにアクセスできます」と Kazmaier 氏はニュースリリースで述べています。「データ サイエンティストや機械学習プラットフォームを探す必要がないので、これは素晴らしいことです。作業しているドメインで、手元にあるデータにアクセスできるのです。」

統合の2つ目の利点は、AIモデルのデータへのアクセスが向上することだとカズマイヤー氏は言う。この統合以前は、データを AI モデルに転送するには、通常、データを移動するためのデータ パイプラインを構築して運用する必要がありました。それはもう必要ないと彼は言った。 「複雑さはすべてなくなりました。」

Vertex のテキストベースと画像ベースの AI モデルを組み合わせる機能 (現在は BigQuery を通じてデータ アナリストが利用可能) も、顧客にとって大きなメリットとなります。

「これにより、分析シナリオのまったく新しい段階が開かれる」と彼は述べ、構造化データと非構造化データの要約、感情抽出、分類、圧縮、翻訳が大きな課題であると語った。大まかに言えば、データの 90% は非構造化されています。このデータは意味のある方法で処理できないため、通常はエンタープライズ データ分析には使用されません。

トランザクション（または運用）面では、Google Cloud は、昨年の Next 23 カンファレンスで同社が発表したマネージド Postgres データベースの AI 専用バージョンである AlloyDB AI の一般提供を発表しました。 AlloyDB AI にはベクトル埋め込みを保存し、ベクトル検索機能を実行する機能があり、Google Cloud はこれを顧客の GenAI ユースケースのコア コンポーネントと見なしています。

Google Cloud は、顧客データを大規模言語モデル (LLM) に接続するのに役立つ人気のオープンソース フレームワークである LangChain との新しい統合も開始しました。 Google Cloudのゼネラルマネージャー兼データベース担当副社長のアンディ・ガットマンズ氏は、Google CloudのデータベースはすべてLangChainと統合されると語った。

ガットマンズ氏は、この新しい機能は、自社のデータからより多くの GenAI の価値を引き出す方法を探している顧客の要望に応えたものだと語る。

同社はまた、RedisやMySQLなど、自社のクラウド上で顧客向けにホストしている他のデータベースにもベクトル検索機能を追加すると発表した。ガットマンズ氏は、Cloud Spanner、Firestore、Bigtable にもベクトル機能が追加されると述べた。

「Spanner の特別な点は、わずかに異なるバリエーションである最近傍検索を備えていることです」と Gutmans 氏は語ります。「本当にエキサイティングなのは、非常に大規模なユースケースを持つお客様です。たとえば、ユーザーごとに高度に分割された数兆のベクトルなどです。Google の社内アプリケーションの一部はユーザーごとに分割されていると考えられます。数兆 (のベクトル) の規模でベクトルを保存および検索できるようになります。」

「GenAI のユースケースで使用する必要のある運用データを保存するあらゆるデータベース、あらゆる場所には、ベクター機能も備わっているべきだというのが私たちの信念です」と彼は言います。「これは、すべてのデータベースが JSON サポートを追加した 15 ～ 20 年前と何ら変わりません。優れたベクター機能は、データベースの基盤であり続けるべきだと私たちは考えています。」