機械翻訳について

Select AI概念

Select AIに関連する概念と用語を確認します。

• アクション
  
• AIプロファイル
  
• AIプロバイダ
  
• 会話
  
• データベース資格証明
  
• LLMのハルシネーション
  
• IAM
  
• 反復絞込み
  
• 大規模言語モデル(LLM)
  
• MapReduce
  
• メタデータ
  
• メタデータ・クローン
  
• プロンプト
  プロンプトは、大規模言語モデルなどの生成AIモデルをガイドするために提供される、人間が読める命令またはリクエストです。
• ネットワーク・アクセス制御リスト(ACL)
  
• 検索拡張生成(RAG)
  
• セマンティック類似性検索
  
• ベクトル距離
  
• ベクトル索引
  
• ベクトル・ストア
  

アクション

Select AIのアクションは、プロンプトを操作する際に異なる動作を実行するようにSelect AIに指示するキーワードです。 アクションを指定することで、ユーザーはSelect AIに、SQLコードの生成、チャット・プロンプトへの応答、出力のナレーション、SQL文の表示またはSQLコードの説明を行う自然言語プロンプトの処理を指示し、LLMを活用してデータベース環境内のデータを効率的に操作できます。

サポートされているSelect AIアクションについては、「AIキーワードを使用したプロンプトの入力」を参照してください。

AIプロファイル

AIプロファイルは、使用するAIプロバイダ、および自然言語プロンプトへのレスポンスの生成に必要なメタデータおよびデータベース・オブジェクトに関するその他の詳細を含む仕様です。 「CREATE_PROFILEプロシージャ」と「プロファイル属性」を参照してください。

AIプロバイダ

Select AIのAIプロバイダは、自然言語プロンプトに対するレスポンスの処理および生成のためにLLMまたはトランスフォーマ(あるいはその両方)を提供するサービス・プロバイダを指します。 これらのプロバイダは、LLMの概念で強調されたユース・ケースの自然言語を解釈および変換できるモデルを提供します。 サポートされているプロバイダについては、「AIプロバイダとLLMの選択」を参照してください。

会話

Select AIでの会話は、ユーザーとシステム間の対話型交換を表し、ユーザーは一連の自然言語プロンプトを介してデータベースの問合せまたは対話を行うことができます。 Select AIは、セッションベースの短期的な会話を組み込み、以前のインタラクションに基づいて現在のプロンプトに対してコンテキスト対応のレスポンスを生成します。 最大10個までの以前のプロンプトが、短期的な会話で現在のリクエストに組み込まれ、LLMに送信される拡張プロンプトが作成されます。 Select AIでは、カスタマイズ可能な長期会話の使用がサポートされており、コンテキストを混在させずに様々なトピックでSelect AIを使用できます。これは、DBMS_CLOUD_AIパッケージの会話APIを介して構成できます。 Select AI Conversationsを参照してください。

データベース資格証明

データベース資格証明は、データベースへのアクセスおよび対話に使用される認証資格証明です。 通常、ユーザー名およびパスワードで構成され、セキュリティ・トークンなどの追加の認証ファクタによって補足されることがあります。 これらの資格証明は、認可された個人またはシステムのみがデータベース内に格納されているデータにアクセスして操作できるように、アプリケーションまたはユーザーとデータベース間のセキュアな接続を確立するために使用されます。

LLMのハルシネーション

大規模言語モデルの文脈におけるハルシネーションは、入力プロンプトに不正確、無意味、または無関係なテキストをモデルが生成する現象を指します。 モデルの一貫したテキスト生成の試みの結果であるにもかかわらず、これらのレスポンスには、作成、誤解を招く、または純粋に想像力のある情報を含めることができます。 ハルシネーションは、トレーニング・データの偏り、適切なコンテキスト理解の欠如、またはモデルのトレーニング・プロセスの制限のために発生します。

IAM

Oracle Cloud Infrastructure Identity and Access Management (IAM)を使用すると、クラウド・リソースにアクセスできるユーザーを制御できます。 ユーザーのグループが持つアクセスのタイプおよび特定のリソースを制御できます。 詳細は、「Identity and Access Managementの概要」を参照してください。

反復絞込み

反復的改良は、フィードバックまたは評価に基づく調整の繰り返しサイクルを通じて、ソリューションまたはモデルを徐々に改善するプロセスです。 最初の近似から始めて、ステップごとに調整し、目的の精度または結果が達成されるまで続行します。 各反復は前の反復に基づいて構築され、目標に近づくための修正または最適化が組み込まれています。

テキスト・サマリー生成では、反復絞込みは、大きなファイルまたはドキュメントの処理に役立ちます。 このプロセスは、LLMのトークン制限内に収まる管理可能なサイズのチャンクにテキストを分割し、1つのチャンクのサマリーを生成し、次のチャンクを順番に組み込むことでサマリーを改善します。

反復絞込みのユースケース:

• 複雑なテキストや高度に相互接続されたテキストを要約する場合など、コンテキストの正確性と一貫性が重要である状況に最適です。
• 順次処理が可能な小規模タスクに最適です。

「集計手法」を参照してください。

大規模言語モデル(LLM)

大言語モデル(LLM)とは、大量のテキスト・データに基づいてトレーニングされた高度なタイプの人工知能モデルで、トレーニング・データに応じて様々なユースケースをサポートします。 これには、人間のような言語の理解と生成、およびソフトウェア・コードとデータベース問合せが含まれます。 これらのモデルは、テキスト生成、翻訳、要約、質問回答、センチメント分析など、幅広い自然言語処理タスクを実行できます。 LLMは、通常、入力データからパターン、コンテキストおよびセマンティクスを学習する高度なディープ・ラーニング・ニューラル・ネットワーク・モデルに基づいており、一貫性のあるコンテキスト関連テキストを生成できます。

MapReduce

一般に、MapReduceプログラミング・モデルでは、タスクをMapとReduceの2つのフェーズに分割して、大量のデータを処理できます。

• マップ: 入力データを処理し、キーと値のペアに変換します。
• 削減: キーに基づいてマップされたデータを集計および要約します。 MapReduceは、大規模なデータ・セットのパラレル処理を実行します。

Select AI Summarizeの場合、MapReduceはテキストを複数のチャンクに分割し、それらを並行して独立して処理し、チャンクごとに個別のサマリーを生成します。 これらのサマリーは、まとめてまとめてまとめた全体的なサマリーを形成します。

マップ削減のユースケース:

• 非常に大規模なデータ・セットやドキュメントの要約など、速度とスケーラビリティが優先される大規模なパラレル・タスクに最適です。
• チャンク独立性が許容され、サマリーを後で集計できる状況に最適です。

「集計手法」を参照してください。

メタデータ

データベース・メタデータは、データベース表およびビューの構造、編成およびプロパティを記述するデータを指します。

メタデータ・クローン

メタデータ・クローンまたはAutonomous AI Databaseクローンは、実際のデータではなく構造のみを含む、データベースまたはスキーマを定義するメタデータのコピーを作成します。 このクローンには、データ行のない表、索引、ビュー、統計、プロシージャおよびトリガーが含まれます。 開発者、テスター、またはデータベース・テンプレートの作成者は、これが役に立ちます。 さらに学習するには、Autonomous AI Databaseインスタンスのクローニング、移動またはアップグレードを参照してください。

プロンプト

プロンプトは、大規模言語モデルなどの生成AIモデルをガイドするために提供される、人間が読める命令またはリクエストです。 ユーザーは、特定のプログラミング言語またはコマンドを使用するかわりに、より会話型または自然言語の形式でプロンプトを入力することで、これらのモデルを操作できます。 モデルは、指定されたプロンプトに基づいて出力を生成します。

ネットワーク・アクセス制御リスト(ACL)

ネットワーク・アクセス制御リストは、ルーター、ファイアウォール、ゲートウェイなどのネットワーク・デバイスを通過できるネットワーク・トラフィックを定義する一連のルールまたは権限です。 ACLは、IPアドレス、ポート番号、プロトコルなどのさまざまな条件に基づいて、受信トラフィックと送信トラフィックを制御およびフィルタリングするために使用されます。 管理者がネットワーク・トラフィックを管理および制限して、不正アクセス、潜在的な攻撃およびデータ侵害を防止できるようにすることで、ネットワーク・セキュリティにおいて重要なロールを果たします。

検索拡張生成(RAG)

検索拡張生成(RAG)は、ユーザーの問合せに関連する情報を取得し、その情報を大規模言語モデル(LLM)に提供してレスポンスを改善し、ハルシネーションを減らす技術です。

ほとんどの場合、RAGはベクトル検索を伴いますが、より一般的には、SQL生成用のスキーマ・メタデータや明示的に問い合せたデータベース・コンテンツなど、データベース・コンテンツのプロンプト(手動または自動)を拡張することが含まれます。 その他の拡張形式には、グラフ・アナリティクスや従来の機械学習などのテクノロジが含まれます。

セマンティック類似性検索

セマンティック類似性検索では、ベクトル・ストア内の特徴ベクトルを比較することで、特定の問合せに厳密に一致するデータ・ポイントを識別および取得します。

ベクトル距離

ベクトル距離は、多次元空間におけるそれらの間の距離を計算することによって、特徴ベクトル間の類似性または相違性を測定します。

ベクトル索引

ベクトル索引は、関連データの効率的な類似性の検索および取得を可能にするベクトルを編成および格納します。

ベクトル・ストア

ベクトル・ストアには、ベクトル埋込みを含むセマンティック類似性検索を格納、管理および有効化するシステムが含まれます。 これには、スタンドアロン・ベクトル・データベースおよびOracle AI Database 26ai AI Vector Searchが含まれます。