MongoDB는 단순히 더 큰 AI 모델보다는 향상된 데이터 검색이 신뢰할 수 있는 엔터프라이즈 AI 시스템 구축에 중요하다고 믿습니다. 에이전트 시스템과 검색 증강 생성(RAG)이 프로덕션 환경으로 이동함에 따라, 데이터베이스 제공업체는 기본 모델이 강력하더라도 검색 품질이 정확성, 비용 및 사용자 신뢰에 부정적인 영향을 미칠 수 있는 중요한 약점이라고 판단했습니다.
이를 해결하기 위해 MongoDB는 "Voyage 4"라는 이름으로 임베딩 및 재정렬 모델의 새로운 버전 4개를 출시했습니다. 이 모델들은 AI 시스템에서 데이터 검색의 효율성과 정확성을 향상시키도록 설계되었습니다. Voyage 4는 voyage-4 embedding, voyage-4-large, voyage-4-lite, voyage-4-nano의 네 가지 모드로 제공됩니다.
MongoDB에 따르면 voyage-4 embedding은 범용 모델 역할을 하며, Voyage-4-large는 주력 모델로 간주됩니다. Voyage-4-lite는 낮은 지연 시간과 비용 절감이 필요한 작업에 최적화되어 있습니다. Voyage-4-nano는 로컬 개발 및 테스트 환경은 물론 온디바이스 데이터 검색을 위해 설계되었습니다. 특히 voyage-4-nano는 MongoDB의 첫 번째 오픈 웨이트 모델입니다.
네 가지 모델 모두 API와 MongoDB의 Atlas 플랫폼을 통해 액세스할 수 있습니다. 회사는 이러한 모델이 현재 사용 가능한 유사한 모델보다 성능이 뛰어나다고 주장합니다.
검색 품질에 대한 집중은 AI 산업에서 증가하는 우려 사항을 강조합니다. 대규모 언어 모델(LLM)이 상당한 주목을 받았지만, 데이터베이스 및 지식 베이스에서 관련 정보를 효과적으로 검색하는 능력은 신뢰할 수 있고 정확한 AI 애플리케이션을 구축하는 데 필수적입니다. 특히 RAG 시스템은 LLM의 지식을 외부 데이터로 보강하기 위해 정확한 검색에 의존합니다.
낮은 검색 품질의 영향은 단순한 부정확성을 넘어섭니다. 부정확하거나 비효율적인 검색은 낭비되는 컴퓨팅 리소스로 인해 비용 증가로 이어질 수 있으며 AI 시스템에 대한 사용자 신뢰를 떨어뜨릴 수 있습니다. AI가 중요한 비즈니스 프로세스에 더욱 통합됨에 따라 데이터 검색의 신뢰성을 보장하는 것이 가장 중요합니다.
MongoDB가 검색 품질을 강조하는 것은 AI 커뮤니티 내에서 초점이 바뀌고 있음을 시사합니다. 기업들은 단순히 더 크고 복잡한 모델을 추구하는 대신 데이터 검색을 포함한 전체 AI 파이프라인을 최적화하는 것의 중요성을 인식하기 시작했습니다. 이러한 총체적인 접근 방식은 강력할 뿐만 아니라 신뢰할 수 있고 비용 효율적인 AI 시스템을 구축하는 데 필수적입니다.
MongoDB의 Voyage 4 모델의 출시는 엔터프라이즈 AI에서 검색 품질의 과제를 해결하기 위한 한 걸음을 나타냅니다. 회사는 AI 산업의 진화하는 요구 사항을 충족하기 위해 모델을 지속적으로 개발하고 개선할 계획입니다.
Discussion
대화에 참여하세요
첫 댓글을 남겨보세요