Suche

Nein. Der Textsuchalgorithmus BM25 von Elastic, seine skalierbare Vektordatenbank, die semantische Suche und das hybride Reciprocal Rank Fusion (RRF)-Scoring sind sofort einsatzbereit in Elasticsearch. Elastic verfügt mit dem Elastic Learned Sparse Encoder sogar über ein eigenes Modell für die semantische Suche, das ohne jeden Konfigurationsaufwand verwendet werden kann. Erkunden Sie Search AI mit diesen interaktiven, praktischen Lernmodulen.

Ja. Elastic ist die weltweit am häufigsten verwendete, skalierbare Vektordatenbank, mit der Entwickler Vektoreinbettungen erstellen, speichern und durchsuchen können. Aber das ist noch nicht alles! Elasticsearch enthält auch alles, was Sie benötigen, um herausragende Sucherlebnisse zu erstellen, einschließlich Aggregationen, Filter- und Facettensuchfunktionen, automatischer Vervollständigung, mehrerer Abrufmethoden und der Flexibilität, eigene oder Drittanbieter-Transformermodelle zu integrieren.

Sie brauchen auch bei Benutzung eines Large Language Models ein Produkt für die Suche, weil Sie auf diese Weise kosten- und zeitsparend in Ihrer mit generativer KI arbeitenden Anwendung genauere Ergebnisse erzielen können. Durch das Suchen in domänenspezifischen Daten lassen sich vom Large Language Model ausgehende Halluzinationen reduzieren, denn der generativen KI stehen hochgradig relevante Suchergebnisse zur Verfügung, die zusätzlichen Kontext liefern. Außerdem wird die für das Feinjustieren des Modells benötigte Zeit verringert. Mit Retrieval Augmented Generation (RAG) können Sie proprietäre Daten abfragen, um in Echtzeit genauere Ergebnisse zu erhalten und gleichzeitig die für Rechenoperationen und Speicherung notwendigen Ressourcen zu reduzieren. Elastic steuert dank Security auf Dokumentenebene auch den Zugriff auf die Suche.

Wenn Sie Entwickler:in sind, erhalten Sie technische und praktische Informationen zur Implementierung von Elastic am besten in den Blogs, Beispielen und Tutorials von Elasticsearch Labs. Diese Ressource wird von den Technologen, die bei Elastic arbeiten, für die Technologen, die Elastic nutzen, erstellt und gepflegt, um Ihnen zu helfen, mehr über die neuesten Erkenntnisse in den Bereichen generative KI, Vektorsuche und Machine Learning zu erfahren.

Ja, Elasticsearch und Kibana sind Open Source unter der AGPL-Lizenz. Basierend auf Apache Lucene unterstützen wir Open-Source-Projekte wie OpenTelemetry, Logstash und Beats. Dies fördert eine Community der Innovation und Zusammenarbeit und stellt sicher, dass sich Elasticsearch weiterhin auf neue und spannende Weise weiterentwickelt. Die AGPL-Lizenz bekräftigt unsere Open-Source-Prinzipien und gewährleistet Sicherheit, Erweiterbarkeit und von der Community getriebenen Fortschritt.

Search AI Lake von Elastic ist für latenzarme Echtzeitanwendungen optimiert und damit eine ideale Architektur für Ihre KI-gestützte Zukunft. Es revolutioniert Daten-Lakes, indem es Abfragen mit geringer Latenz und die leistungsstarken Such- und KI-Relevanzfunktionen von Elasticsearch bietet. Search AI Lake bildet die Basis für ein neues Elastic Cloud Serverless-Deployment, bei dem Ihre Teams von jeglichem operativem Overhead befreit sind und sich voll und ganz darauf konzentrieren können, Innovationen zu schaffen.