Incorpora búsqueda de AI en tus aplicaciones

Elasticsearch Relevance Engine™ (ESRE) se diseñó para impulsar las aplicaciones de búsqueda basadas en inteligencia artificial. Usa ESRE para aplicar la búsqueda semántica con relevancia superior lista para usar (sin adaptación para el dominio), integrarte en modelos de lenguaje grandes (LLM) externos, implementar la búsqueda híbrida y usar modelos de transformadores propios o de terceros.

Primeros pasos
Video thumbnail

Mira lo fácil que es comenzar a configurar Elasticsearch Relevance Engine.

Mira el video de inicio rápido

Compila aplicaciones avanzadas basadas en RAG usando ESRE.

Regístrate para la capacitación

Usa datos internos privados como contexto con las capacidades de los modelos de AI generativa para brindar respuestas actualizadas y confiables a las consultas de los usuarios.

Mira el video

AI para todos los desarrolladores

Eleva la búsqueda con AI

Brinda capacidades de relevancia de AI avanzadas a tu aplicación con ESRE, sin importar tu nivel de experiencia. ESRE tiene un conjunto de características que te ayudan a dar los primeros pasos o aumentar tu experiencia con la AI. Tienes la flexibilidad y el control para desplegar aplicaciones de búsqueda de machine learning y AI generativa como consideres adecuado.

  • ¿Eres nuevo en la búsqueda semántica?

    Proporcionar búsqueda semántica a tu aplicación no debería requerir un gran nivel de experiencia. Obtén la mejor búsqueda semántica en su clase lista para usar con el modelo de Elastic Learned Sparse Encoder. Con un despliegue simplificado, da los primeros pasos rápidamente y brinda búsqueda semántica, sin el trabajo pesado que implica el entrenamiento, y mantén un modelo de machine learning.

  • ¿Estás familiarizado con las incrustaciones y los vectores de búsqueda?

    Convierte datos no estructurados en incrustaciones de vectores, busca en ellos con eficiencia gracias a la búsqueda de vecino más cercano aproximado. Combina tus propios datos específicos del dominio en ventanas de contexto para mejorar la relevancia de las salidas similares a las de los humanos generadas por los LLM.

  • Incorpora tus propios modelos de transformadores

    Usa la biblioteca de Python Eland para incorporar tu propio modelo de machine learning entrenado o utiliza un modelo de terceros desde un repositorio público como HuggingFace. Escoge de una gran variedad de arquitecturas compatibles que se adaptan a tus necesidades.

Elasticsearch Relevance Engine

Elasticsearch: Fuente de búsqueda de vectores todo en uno

Genera incrustaciones. Almacena, busca y gestiona vectores. Obtén búsqueda semántica con el modelo de machine learning Learned Sparse Encoder propio de Elastic. Ingesta datos de todo tipo. Intégrate a modelos de lenguaje grandes que evolucionan rápidamente.

  • Clasificación híbrida de RRF

    La RRF (fusión de rango recíproco) es un método que permite combinar clasificaciones de documentos de diversos sistemas de recuperación. En breve, la RRF admitirá combinar resultados de modelos de vectores dispersos, como BM25 y el modelo de recuperación de Elastic, lo que proporcionará el mejor método de clasificación zero shot en su clase. La clasificación híbrida con RRF te permite ajustar los resultados de búsqueda de diversos recuperadores con menos esfuerzo.

    Aprende a usar RRF para búsqueda híbrida

  • Elastic Learned Sparse Encoder

    Nuestro nuevo modelo proporciona búsqueda semántica sumamente relevante lista para usar, sin adaptación para el dominio. Está disponible con solo un clic mientras configuras la aplicación de búsqueda. Elastic Learned Sparse Encoder expande las búsquedas con puntuaciones de relevancia y palabras clave relacionadas, por lo que pueden interpretarse con facilidad y están listas para usar de inmediato.

    Lee el blog

  • Generación aumentada de recuperación

    Brinda a los LLM información específica del negocio mediante tus datos privados (no solo los datos de entrenamiento públicos). Usa Elasticsearch para las ventanas de contexto de alta relevancia que aprovechan tus datos privados para mejorar la relevancia y la salida de los LLM. Accede a la AI generativa con API y plugins integrados en el LLM que prefieras.

    Obtén más información sobre la generación aumentada de recuperación

  • Base de datos de vectores

    Obtén una experiencia de búsqueda de vectores completa a escala; no solo almacena y busca incrustaciones, ¡créalas! Capta el significado y contexto de tus datos no estructurados, incluidos el texto y las imágenes, con incrustaciones para la recuperación densa. Asegura las incrustaciones en el nivel del documento para asegurarte de que los datos estén en las manos adecuadas.

    Obtén información sobre las bases de datos de vectores

  • Incorpora tus propios modelos de transformadores

    Incorpora tu modelo de transformador propio en Elastic. O carga modelos previamente entrenados desde repositorios de terceros, como el centro de modelos HuggingFace, con soporte para una variedad de arquitecturas compatibles, como BERT, BART, ELECTRA y más.

    Lee el blog sobre BYOM

  • Integraciones de datos y bibliotecas de ingesta

    Herramientas conocidas, como Elastic Agent o Logstash, para indexar tus datos. Una lista de integraciones en constante crecimiento (como Confluence, S3 o Google Drive). Conectores de bases de datos nativos (como MySQL, MongoDB). Un navegador web para fuentes en línea. Para los datos de apps personalizadas, API de Kibana o conector tipo "crea el tuyo propio" con marcos de trabajo conocidos.

    Mira el webinar de ingesta

"Estoy encantado con los beneficios que podemos brindar a los clientes a través de nuestras inversiones para aprovechar Elasticsearch en RelativityOne. Ahora estamos experimentando con ESRE y nos entusiasma su potencial para brindar resultados de búsqueda poderosos y aumentados por AI a nuestros clientes".

Chris BrownDirector general de productos, Relativity

Muestras de código

Comienza a crear la búsqueda de vectores

Usa una sola API para importar un modelo de incrustación, generar incrustaciones y escribir búsquedas a escala con la búsqueda de vecino más cercano aproximado.

docker run -it --rm elastic/eland \
eland_import_hub_model \
--cloud-id $CLOUD_ID \
-u <username> -p <password> \
--hub-model-id sentence-transformers/msmarco-MiniLM-L-12-v3 \
--task-type text_embedding \
--start

Preguntas frecuentes

¿Qué es Elasticsearch Relevance Engine?

Elasticsearch Relevance Engine es un conjunto de características que ayuda a los desarrolladores a compilar aplicaciones de búsqueda de AI e incluye:

  • Características de clasificación de relevancia avanzadas líderes en la industria, entre las que se encuentran la búsqueda de palabras clave con BM25, una base de búsqueda híbrida y relevante para todos los dominios.
  • Capacidades de base de datos de vectores completas, lo cual incluye la capacidad de crear incrustaciones, además del almacenamiento y la recuperación de vectores.
  • Elastic Learned Sparse Encoder, nuestro nuevo modelo de machine learning para búsqueda semántica en una variedad de dominios. Clasificación híbrida (RRF) para emparejar capacidades de búsqueda textual y de vectores con el objetivo de alcanzar una relevancia de búsqueda óptima en una variedad de dominios.
  • Soporte para la integración de modelos de transformadores de terceros, como OpenAI GPT-3 y 4 a través de API.
  • Un conjunto completo de herramientas de ingesta de datos, como conectores de bases de datos, integraciones de datos de terceros, rastreador web y API para crear conectores personalizados.
  • Herramientas para desarrolladores que permiten compilar aplicaciones de búsqueda en todo tipo de datos: texto, imágenes, series temporales, geográficos, multimedia y más.

¿Qué puedo crear con Elasticsearch Relevance Engine?

Elasticsearch es una tecnología líder de búsqueda para sitios web (como descubrimiento y productos de comercio electrónico) e información interna (como búsqueda empresarial y bases de conocimiento de éxito de clientes). Con ESRE, brindamos un kit de herramientas para crear experiencias de búsqueda impulsadas por AI. Permite a los usuarios expresar sus búsquedas en lenguaje natural, en forma de pregunta o descripción del tipo de información que buscan. Combina esta capacidad de lenguaje natural con AI generativa para mejorar aún más las capacidades de estos modelos con contexto de tus propios datos privados.

¿Son Elasticsearch y Elasticsearch Relevance Engine lo mismo?

Sí, las capacidades incluidas en Elasticsearch Relevance Engine están diseñadas e integradas dentro de la API _search en Elasticsearch. Los desarrolladores pueden usar la API de Elastic o herramientas conocidas, como Kibana, a fin de interactuar con las capacidades que componen Elasticsearch Relevance Engine junto con Elasticsearch para una experiencia sin inconvenientes.

¿Qué es Elastic Learned Sparse Encoder?

Elastic Learned Sparse Encoder es un modelo creado por Elastic para la búsqueda semántica de alta relevancia en una variedad de dominios. En la actualidad, es un modelo de machine learning solo en inglés y captura las relaciones entre los significados y las palabras para la recuperación de información. ¿Te interesan las pruebas comparativas con nuestro nuevo modelo de recuperación? Lee este blog para conocer más.

¿Qué es un transformador? ¿Es Elastic Learned Sparse Encoder un modelo de transformador?

Un transformador es una arquitectura de red neuronal profunda que sirve como base para los LLM. Los transformadores consisten en varios componentes y pueden estar compuestos por codificadores, descodificadores y muchas capas de red neuronal "profunda" con muchos millones (o miles de millones) de parámetros. Por lo general, se entrenan con un gran corpus de texto, como datos en Internet, y pueden ajustarse para realizar diversas tareas de NLP. Nuestro nuevo modelo de recuperación usa una arquitectura de transformadores, pero solo contiene un codificador diseñado específicamente para la búsqueda semántica en una gran variedad de dominios.

¿Cómo doy los primeros pasos con Elasticsearch Relevance Engine? ¿Debo comprar Elasticsearch Relevance Engine por separado?

Todas las capacidades de Elasticsearch Relevance Engine están incluidas en los planes Platino y Enterprise de Elastic Enterprise Search, como parte de la versión 8.8. Puedes dar los primeros pasos en la búsqueda de vectores e incrustaciones con facilidad y probar el modelo de recuperación. Echa un vistazo a la demostración de las capacidades de Elastic Learned Sparse Encoder. Si tienes una licencia de Elasticsearch, Elasticsearch Relevance Engine está incluido como parte de tu compra.

Conoce más sobre cómo usar ChatGPT con Elasticsearch

Profundiza en cómo combinar la relevancia de búsqueda de Elasticsearch con la capacidad de responder preguntas de ChatGPT de OpenAI para hacer búsquedas en tus datos privados.

Lee el blog