2017年,一篇名为《Attention is All You Need》的论文提出了一种新的神经网络架构: Transformer。七年后,Transformer成为了生成式AI的核心,正引领着今天的技术浪潮。
在甲骨文公司副总裁及中国区董事总经理吴承杨看来,一种新技术的出现最重要的并不在于技术本身,而是该技术能给用户带来的价值。
在数据库领域,数据作为一种新型资产已成为业内共识,如何在数据层面与AI紧密结合,最大化数据价值是当下要解决的核心问题。甲骨文最近发布的Oracle Database 23ai正是对这个问题的回答。
Oracle Database 23ai:AI赋能数据的新里程碑
阿尔伯特·爱因斯坦曾说:“Everything should be made as simple as possible,but not simpler(凡事都要做到尽可能简洁,但不能掩盖内涵的丰富)。”这也正是甲骨文一直以来的理念。在AI时代,借助生成式AI,简化所有应用和分析的生成与运行是Oracle数据库的愿景。
吴承杨说,“使用AI功能某种程度上跟用电话一样,你不需要理解内部的复杂机制,只要拿起来会拨号就可以。”AI的未来也是如此,只有简单化才会被广泛接受。具体而言,就是任何时候、任何地方、任何人、任何数据都可以使用。
Oracle Database 23ai作为Oracle融合数据库中的最新版本,是甲骨文朝这个目标迈进的一步。该长期支持版本也因强调突破性AI技术的重要性,而将AI写进了名字。
吴承杨表示,融合数据库就像一把钥匙,能够打开各种数据类型的大门,使得图数据、JSON、空间数据以及结构化和非结构化数据都可以通过一个SQL解决。生成式AI的出现让融合数据库变得更加重要。
功能上,Oracle Database 23ai包含了Oracle AI Vector Search以及300多项主要新功能和数千项增强功能,专注于帮助用户简化数据中的AI使用,加快应用开发并运行关键任务工作负载。通过将AI算法直接引入数据所在的位置,甲骨文实现了AI在数据库中的实时运行,大大提高了AI的有效性、效率和安全性。用户可以安全地将文档、图像和其他非结构化数据与私有业务数据结合搜索,无需移动或复制数据。
在23c到23ai的演变过程中,Oracle强调将AI与数据紧密结合,贯穿到方方面面。例如,现在已经实现了用自然语言进行向量搜索,接下来还可以通过自然语言进行数据迁移和生成BI报表,甚至是生成完整的程序。
从三大关键领域,让AI融入企业应用
于全球企业而言,Oracle Database 23ai改变了游戏规则,开发人员和数据专业人员可以轻松构建智能应用。甲骨文中国区技术咨询部高级总监李珈表示,Oracle Database 23ai的新功能体现在三个方面:数据人工智能、加速应用程序开发和数据的关键任务。
在数据人工智能方面,Oracle AI Vector Search让用户可以根据概念内容而不是特定的文字、像素或数据值来搜索文档、图像和关系数据,使得LLM可以使用自然语言界面查询私有业务数据,并帮助LLM提供更准确和更相关的结果。借助Oracle AI Vector Search,开发人员可以更轻松地为新应用和现有应用添加语义搜索功能。
此外,新发布的Oracle Exadata System Software 24ai和OCI GoldenGate 23ai也为数据人工智能提供了有力支持。Exadata智能存储可将AI Vector Search的速度提高数个量级,使应用能够在大量数据和用户的情况下运行AI Vector Search。GoldenGate支持跨云数据存储,实现异构数据集成和高可用性。
在加速应用程序开发方面,Oracle Database 23ai通过JSON关系二元性视图和SQL属性图来提供JSON与关系型的统一和图与关系型的统一,从而简化应用程序开发并提高开发人员的工作效率。为了更好的支持数据开发,Oracle提供了多种免费开发人员数据库— Always Free Autonomous Database 23ai、Autonomous Database 23ai容器映像和Oracle Database 23ai Free。
在数据的关键任务方面,Oracle全球分布式数据库现在支持物理数据库之间的RAFT复制,可在几秒内实现自动故障转移并实现零数据丢失。Oracle Database 23ai提供True Cache和数据库内SQL防火墙等新特性来支持数据关键任务。
李珈指出,“我们主要的任务是让AI快速地融入企业应用中,实现真正的落地。今天我们已经能够让客户在核心业务系统中附加AI的能力。我们有很多金融、电信和制造业方面的用户案例,涉及欺诈分析、智能助手、图像识别、长视频检测、基因分析等各方面的应用。”
甲骨文认为,数据库的融合和AI化是不可避免的趋势,现在他们已经迈出了一大步。未来随着生成式AI技术的发展,数据层面对AI的要求将会越来越高,不同类型数据之间的相互交流也将变得更加重要。
在深耕中国的35年里,甲骨文致力于将最新的技术带到中国来。吴承杨说,“未来我们会持续深耕中国市场,同时帮助广大出海客户融入到全球化发展中去,这是我们一直以来的使命。”
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。