ベクトルデータベースとしての Amazon OpenSearch Service

1 回の検索リクエストでベクトル埋め込みとテキストベースのキーワードクエリをシームレスに組み合わせ、ANN (HNSW と IVF 全体) や 正確な k-NN ベクトル検索などの高度な最近傍アルゴリズムを自動スケーリングとともに使用して、数十億のベクトルにわたる低レイテンシーの類似性検索を実現します。これにより、システムの複雑さが軽減され、複数のシステムが不要になり、ベクトル駆動型の検索 (ハイブリッド、セマンティック、マルチモーダル、会話型など)、レコメンデーションシステム、AI チャットボットなどの AI を使用したアプリケーション、および他の最新の生成 AI アプリケーションの市場投入までの時間が短縮されます。

ディスクベースのベクトルストレージとインテリジェントなデータライフサイクル管理により、ストレージコストを最適化しながら、数十億の高次元ベクトルにスケールできます。OpenSearch Service は、ベクトルデータベースのオペレーションを簡素化し、フルマネージド設定とサーバーレス設定の両方で使いやすいインターフェイスを提供します。マネージドクラスターを使用した正確なコントロールと、サーバーレスによる自動リソース最適化のいずれかを選択して、不要なコストをかけずにベクトルワークロードを効率的にスケールできます。どちらのオプションも、すべてのストレージレベルでクエリ応答が高速になるようにし、ワークロードの増加に合わせてインテリジェントなデータライフサイクル管理を活用してコストを最適化できます。OpenSearch Service の直感的なコンソールと API により、ベクトルデータベースのデプロイ、管理、スケールが簡単になり、運用の複雑さが軽減されます。

インデックスを再作成したり、クエリパフォーマンスに影響を及ぼしたりすることなく、リアルタイムでベクトル埋め込みを追加、更新、または削除できます。この機能は、AI モデルと検索アプリケーションが動的なデータ変更に応答し続けるようにするため、データが頻繁に変化する e コマースのパーソナライゼーションや異常検出などのユースケースに最適です。

Amazon OpenSearch Service は、AWS サービスおよびサードパーティーの AI プラットフォームと統合して、最新の生成 AI アプリケーションをサポートします。Amazon DynamoDB および Amazon DocumentDB とのゼロ ETL 統合により、複雑なパイプラインを構築することなく、運用データ全体のベクトル検索を使用して生成 AI アプリケーションを強化できます。Amazon Bedrock との双方向のネイティブ統合により、生成 AI ワークフローが合理化され、基盤モデルをナレッジベースに接続して、効率的な埋め込み生成および検索拡張生成 (RAG) アプリケーションを実現できます。OpenSearch Service は、AWS が推奨する Amazon Bedrock のベクトルデータベースです。デベロッパーは、Amazon SageMaker の力を活用してモデルトレーニングやモデルのデプロイを行ったり、事前構築済みのコネクタを通じて、Amazon Titan や、OpenAI、Cohere、DeepSeek などのサードパーティーモデルに簡単に接続したりできます。これにより、既存のデータとインフラストラクチャへの投資の価値を最大限に高めながら、安全かつ効率的でスケーラブルな開発が可能になります。

オープンソースのイノベーションを活用しながら、エンタープライズの信頼性を提供する OpenSearch を管理するフルマネージドサービス。グローバルなオープンソースコミュニティは、(現在は Linux Foundation の一部である) OpenSearch に積極的に貢献して強化し、継続的な進歩を推進する一方で、マネージドサービスがインフラストラクチャ管理のオーバーヘッドをなくします。このアプローチは、高可用性 (99.99% の SLA)、自動スケーリング、パッチ適用、更新に加えて、Apache 2.0 ライセンステクノロジーの柔軟性とベンダー中立性を実現します。また、オープンソースコミュニティは、プロジェクトの方向性を決めるのにも役立ち、すべてのユーザーに恩恵をもたらす継続的なイノベーションを実現します。

従来のキーワード検索とベクトル類似性を組み合わせて関連性を高めることで、検索エクスペリエンスを強化できます。自然言語理解、マルチモーダルクエリ (テキスト、画像、音声)、ハイブリッド検索機能をサポートし、さまざまなコンテンツタイプにわたってコンテキスト的に関連した結果を提供します。

数十億の項目間でユーザーの好みをマッチングするためにベクトル類似性を使用して、パーソナライズされたレコメンデーションを大規模に強化し、ほぼリアルタイムで関連性の高い提案を提供できます。

基盤モデルをビジネスデータに接続して、コンテキストを踏まえた正確な応答とタスク実行を可能にすることで、信頼できる AI チャットボット、アシスタント、アプリケーションを構築できます。ベクトルベースの情報検索を通じてハルシネーションをなくし、精度を高めつつ、シンプルなクエリと複雑なインタラクションの両方で高速な応答時間を維持します。

大規模なデータセット間でベクトルの類似性を比較することで、パターンと異常を大規模に特定し、潜在的な不正、偽造、または疑わしいアクティビティをリアルタイムで検出できます。