Un'azione in Select AI è una parola chiave che indica a Select AI di eseguire un comportamento diverso quando si agisce sul prompt. Specificando un'azione, gli utenti possono indicare a Select AI di elaborare il prompt in linguaggio naturale per generare codice SQL, rispondere a un prompt chat, raccontare l'output, visualizzare l'istruzione SQL o spiegare il codice SQL, sfruttando i LLM per interagire in modo efficiente con i dati all'interno del proprio ambiente di database.

Un profilo AI è una specifica che include il provider AI da utilizzare e altri dettagli relativi AI metadati e agli oggetti di database necessari per generare risposte AI prompt del linguaggio naturale. Vedere CREATE_PROFILE Procedura e Attributi profilo.

Un provider AI in Select AI si riferisce al provider di servizi che fornisce l'LLM o il trasformatore o entrambi per l'elaborazione e la generazione di risposte AI prompt in linguaggio naturale. Questi provider offrono modelli in grado di interpretare e convertire il linguaggio naturale per i casi d'uso evidenziati nel concetto di LLM. Per i provider supportati, vedere Selezionare il provider AI e gli LLM.

Le conversazioni in Select AI rappresentano uno scambio interattivo tra l'utente e il sistema, consentendo agli utenti di eseguire query o interagire con il database tramite una serie di prompt in linguaggio naturale. Select AI incorpora fino a 10 prompt precedenti nella richiesta corrente, creando un prompt aumentato inviato all'LLM. Vedere Abilita conversazioni per migliorare l'interazione utente.

Le credenziali del database sono credenziali di autenticazione utilizzate per accedere e interagire con i database. In genere sono costituiti da un nome utente e una password, a volte integrati da fattori di autenticazione aggiuntivi come i token di sicurezza. Queste credenziali vengono utilizzate per stabilire una connessione sicura tra un'applicazione o un utente e un database, in modo che solo gli utenti o i sistemi autorizzati possano accedere e manipolare i dati memorizzati nel database.

L'allucinazione nel contesto dei modelli di linguaggio di grandi dimensioni si riferisce a un fenomeno in cui il modello genera testo non corretto, non sensato o non correlato al prompt di input. Pur essendo il risultato del tentativo del modello di generare testo coerente, queste risposte possono contenere informazioni fabbricate, fuorvianti o puramente fantasiose. L'allucinazione può verificarsi a causa di distorsioni nei dati di addestramento, mancanza di una corretta comprensione del contesto o limitazioni nel processo di addestramento del modello.

Oracle Cloud Infrastructure Identity and Access Management (IAM) ti consente di controllare chi può accedere alle tue risorse cloud. È possibile controllare il tipo di accesso di un gruppo di utenti e le risorse specifiche. Per ulteriori informazioni, vedere Panoramica di Identity and Access Management.

Un modello LLM (Large Language Model) si riferisce a un tipo avanzato di modello di intelligenza artificiale addestrato su enormi quantità di dati di testo per supportare una serie di casi d'uso a seconda dei dati di addestramento. Ciò include la comprensione e la generazione di un linguaggio simile all'uomo, nonché il codice software e le query di database. Questi modelli sono in grado di eseguire una vasta gamma di attività di elaborazione del linguaggio naturale, tra cui la generazione del testo, la traduzione, la sintesi, la risposta alle domande, l'analisi del sentiment e altro ancora. I LLM sono in genere basati su sofisticati modelli di rete neurale di deep learning che apprendono modelli, contesto e semantica dai dati di input, consentendo loro di generare testo coerente e contestualmente rilevante.

I metadati del database si riferiscono ai dati che descrivono la struttura, l'organizzazione e le proprietà delle tabelle e delle viste del database.

Una copia dei metadati o una copia di Autonomous Database crea una copia di un metadati che definisce il database o lo schema, contenente solo la struttura e non i dati effettivi. Questa copia include tabelle, indici, viste, statistiche, procedure e trigger senza righe di dati. Lo trovano utile sviluppatori, tester o coloro che creano modelli di database. Per ulteriori informazioni, vedere Duplica, sposta o aggiorna un'istanza di Autonomous Database.

I prompt del linguaggio naturale sono istruzioni o richieste leggibili dall'utente fornite per guidare i modelli di intelligenza artificiale generativa, ad esempio i modelli di linguaggio di grandi dimensioni. Invece di utilizzare linguaggi o comandi di programmazione specifici, gli utenti possono interagire con questi modelli inserendo prompt in una forma di linguaggio più conversazionale o naturale. I modelli generano quindi l'output in base al prompt fornito.

Una lista di controllo dell'accesso di rete è un set di regole o autorizzazioni che definiscono il traffico di rete che può passare attraverso un dispositivo di rete, ad esempio un router, un firewall o un gateway. Le ACL vengono utilizzate per controllare e filtrare il traffico in entrata e in uscita in base a vari criteri, ad esempio indirizzi IP, numeri di porta e protocolli. Svolgono un ruolo cruciale nella sicurezza della rete consentendo agli amministratori di gestire e limitare il traffico di rete per prevenire accessi non autorizzati, potenziali attacchi e violazioni dei dati.

Retrieval Augmented Generation (RAG) è una tecnica che prevede il recupero di informazioni rilevanti per la query di un utente e la fornitura di tali informazioni a un modello di linguaggio di grandi dimensioni (LLM) per migliorare le risposte e ridurre l'allucinazione.

Più comunemente, RAG comporta la ricerca vettoriale, ma più in generale, include l'aumento di un prompt del contenuto del database (manualmente o automaticamente), come i metadati dello schema per la generazione SQL o il contenuto del database esplicitamente sottoposto a query. Altre forme di aumento possono coinvolgere tecnologie come l'analisi dei grafici e il machine learning tradizionale.

La ricerca di somiglianza semantica identifica e recupera i datapoint che corrispondono strettamente a una determinata query confrontando i vettori di entità geografiche in un'area di memorizzazione vettoriale.

La distanza vettoriale misura la somiglianza o la dissomiglianza tra i vettori di feature calcolando la distanza tra loro in uno spazio multidimensionale.

Un indice vettoriale organizza e memorizza i vettori per consentire una ricerca e un recupero efficienti dei dati correlati.

Un negozio vettoriale include sistemi che memorizzano, gestiscono e abilitano la ricerca della somiglianza semantica che coinvolge embeddings vettoriali. Sono inclusi database vettoriali standalone e Oracle Database 23ai AI Vector Search.