Uma ação em Selecionar AI é uma palavra-chave que instrui Selecionar AI a executar um comportamento diferente ao agir no prompt. Especificando uma ação, os usuários podem instruir o Select AI a processar seu prompt de linguagem natural para gerar código SQL, responder a um prompt de chat, narrar a saída, exibir a instrução SQL ou explicar o código SQL, aproveitando os LLMs para interagir com eficiência com os dados em seu ambiente de banco de dados.

Um perfil de IA é uma especificação que inclui o provedor de IA a ser usado e outros detalhes sobre metadados e objetos de banco de dados necessários para gerar respostas a prompts de linguagem natural. Consulte Procedimento CREATE_PROFILE e Atributos de Perfil.

Um Provedor de IA em Select AI refere-se ao provedor de serviços que fornece o LLM ou o transformador, ou ambos, para processamento e geração de respostas a prompts de linguagem natural. Esses provedores oferecem modelos que podem interpretar e converter linguagem natural para os casos de uso destacados no conceito de LLM. Consulte Selecionar seu Provedor de IA e LLMs para os provedores suportados.

As conversas no Select AI representam uma troca interativa entre o usuário e o sistema, permitindo que os usuários consultem ou interajam com o banco de dados por meio de uma série de prompts de linguagem natural. A opção Selecionar IA incorpora até 10 prompts anteriores à solicitação atual, criando um prompt aumentado enviado ao LLM. Consulte Ativar Conversas para Aprimorar a Interação do Usuário.

As credenciais do banco de dados são credenciais de autenticação usadas para acessar e interagir com bancos de dados. Eles geralmente consistem em um nome de usuário e uma senha, às vezes complementados por fatores de autenticação adicionais, como tokens de segurança. Essas credenciais são usadas para estabelecer uma conexão segura entre um aplicativo ou usuário e um banco de dados, de modo que apenas indivíduos ou sistemas autorizados possam acessar e manipular os dados armazenados no banco de dados.

Alucinação no contexto de Grandes Modelos de Linguagem refere-se a um fenômeno em que o modelo gera texto incorreto, sem sentido ou não relacionado ao prompt de entrada. Apesar de ser um resultado da tentativa do modelo de gerar texto coerente, essas respostas podem conter informações fabricadas, enganosas ou puramente imaginativas. A alucinação pode ocorrer devido a vieses nos dados de treinamento, falta de compreensão do contexto adequado ou limitações no processo de treinamento do modelo.

O Oracle Cloud IAM (Identity and Access Management) permite controlar quem tem acesso a seus recursos na nuvem. Você pode controlar que tipo de acesso um grupo de usuários tem e a quais recursos específicos. Para saber mais, consulte Visão Geral do Identity and Access Management.

Um Modelo de Linguagem Grande (LLM) refere-se a um tipo avançado de modelo de inteligência artificial que é treinado em grandes quantidades de dados de texto para suportar uma variedade de casos de uso, dependendo de seus dados de treinamento. Isso inclui entender e gerar linguagem semelhante à humana, bem como código de software e consultas de banco de dados. Esses modelos são capazes de executar uma ampla gama de tarefas de processamento de linguagem natural, incluindo geração de texto, tradução, resumo, resposta a perguntas, análise de sentimentos e muito mais. Os LLMs geralmente se baseiam em modelos sofisticados de rede neural de aprendizado profundo que aprendem padrões, contexto e semântica a partir dos dados de entrada, permitindo que eles gerem texto coerente e contextualmente relevante.

Os metadados do banco de dados referem-se aos dados que descrevem a estrutura, a organização e as propriedades das tabelas e views do banco de dados.

Um clone de metadados ou um clone do Autonomous Database cria uma cópia de metadados que definem o banco de dados ou o esquema, contendo apenas a estrutura, não os dados reais. Esse clone inclui tabelas, índices, exibições, estatísticas, procedimentos e acionadores sem linhas de dados. Desenvolvedores, testadores ou aqueles que criam modelos de banco de dados acham isso útil. Para saber mais, consulte Clonar, Mover ou Fazer Upgrade de uma Instância do Autonomous Database.

Os Prompts de Linguagem Natural são instruções legíveis por humanos ou solicitações fornecidas para orientar modelos de IA generativa, como Grandes Modelos de Linguagem. Em vez de usar linguagens de programação ou comandos específicos, os usuários podem interagir com esses modelos inserindo prompts em um formulário de linguagem mais conversacional ou natural. Em seguida, os modelos geram a saída com base no prompt fornecido.

Uma Lista de Controle de Acesso à Rede é um conjunto de regras ou permissões que definem qual tráfego de rede pode passar por um dispositivo de rede, como um roteador, firewall ou gateway. As ACLs são usadas para controlar e filtrar o tráfego de entrada e saída com base em vários critérios, como endereços IP, números de porta e protocolos. Eles desempenham um papel crucial na segurança da rede permitindo que os administradores gerenciem e restrinjam o tráfego de rede para evitar acesso não autorizado, possíveis ataques e violações de dados.

A Geração Aumentada de Recuperação (RAG) é uma técnica que envolve a recuperação de informações relevantes para a consulta de um usuário e o fornecimento dessas informações a um modelo de linguagem grande (LLM) para melhorar as respostas e reduzir a alucinação.

Mais comumente, o RAG envolve pesquisa vetorial, mas, em geral, inclui o aumento de um prompt de conteúdo de banco de dados (manual ou automaticamente), como metadados de esquema para geração de SQL ou conteúdo de banco de dados explicitamente consultado. Outras formas de aumento podem envolver tecnologias como análise de gráficos e machine learning tradicional.

A pesquisa de similaridade semântica identifica e recupera pontos de dados que correspondem de perto a uma determinada consulta, comparando vetores de recursos em um armazenamento de vetores.

A distância vetorial mede a similaridade ou dissimilaridade entre vetores de características calculando a distância entre eles em um espaço multidimensional.

Um índice vetorial organiza e armazena vetores para permitir uma pesquisa eficiente de similaridade e recuperação de dados relacionados.

Um armazenamento de vetores inclui sistemas que armazenam, gerenciam e permitem a pesquisa de similaridade semântica envolvendo incorporações de vetores. Isso inclui bancos de dados vetoriais independentes e o Oracle Database 23ai AI Vector Search.