Elastic lanceert AI-ecosysteem voor developers
Elastic, een Search AI-bedrijf, kondigt een AI-ecosysteem aan om enterprise-softwareontwikkelaars te ondersteunen bij het sneller bouwen en implementeren van hun Retrieval Augmented Generation (RAG)-applicaties. Het Elastic AI-ecosysteem biedt ontwikkelaars een zorgvuldig samengestelde, uitgebreide set AI-technologieën en -tools die geïntegreerd zijn met de Elasticsearch-vector-database, ontworpen om de time-to-market, ROI en innovatie te versnellen.
Het Elastic AI-ecosysteem biedt ontwikkelaars kant-en-klare integraties van Elasticsearch-vector-databases van een vertrouwd netwerk van toonaangevende AI-bedrijven, zodat zij moeiteloos toegang hebben tot de kritieke componenten van GenAI-toepassingen, waaronder AI-modellen, cloudinfrastructuur, MLOps-frameworks, datavoorbereidings- en data-invoerplatforms, en AI-security & operations.
Deze integraties helpen ontwikkelaars bij:
- Het leveren van relevantere ervaringen via RAG
- Het voorbereiden en invoeren van data uit meerdere bronnen
- Het experimenteren met en evalueren van AI-modellen
- Het benutten van frameworks voor Gen-AI-ontwikkeling
- Het monitoren, bewaken en veilig inzetten van AI-applicaties
Vector-database
Het Elastic AI-ecosysteem omvat integraties met Alibaba Cloud, Amazon Web Services (AWS), Anthropic, Cohere, Confluent, Dataiku, DataRobot, Galileo, Google Cloud, Hugging Face, LangChain, LlamaIndex, Mistral AI, Microsoft, OpenAI, Protect AI, RedHat, Vectorize, en Unstructured.
“Elasticsearch is de meest gedownloade vector-database op de markt, en klanten en ontwikkelaars willen deze gebruiken met de beste modellen, platforms en frameworks in het ecosysteem om overtuigende RAG-applicaties te bouwen,” zegt Steve Kearns, General Manager of Search bij Elastic. “Met ons zorgvuldig samengestelde ecosysteem van technologieproviders maken we het ontwikkelaars gemakkelijker om gebruik te maken van Elastic’s vector-database en de beste combinatie van toonaangevende technologieën te kiezen voor hun RAG-applicaties. Deze integraties helpen ontwikkelaars hun RAG-applicaties sneller te testen en in productie te brengen en de nauwkeurigheid van hun GenAI-toepassingen te verbeteren.”