AI 幻觉的克星：MongoDB 收购 Voyage AI，赋能数据库检索
在 AI 时代，数据是燃料，而高质量的数据则是点燃 AI 潜力的关键。为了从 AI 查询中获得最佳结果，企业需要最佳的数据。而检索增强生成 (RAG) 技术应运而生，它将 AI 的力量与数据库的可靠性相结合，为 AI 应用提供坚实的数据基础。
MongoDB，这家以数据库闻名的企业，早已将目光投向了 AI 和 RAG 的领域。其同名数据库已广泛应用于 RAG 技术，并积极推动 AI 应用开发。尽管 MongoDB 及其用户（例如制药巨头 Novo Nordisk）在生成式 AI 领域取得了成功，但幻觉和准确性问题仍然是阻碍 AI 应用落地的关键障碍。
为了解决这一难题，MongoDB 近日宣布收购 Voyage AI，这家专注于高级嵌入和检索模型的私营公司。Voyage AI 在 2024 年 10 月获得了云数据巨头 Snowflake 支持的 2000 万美元融资。此次收购将 Voyage AI 在嵌入生成和重新排序方面的专业知识直接融入 MongoDB 的数据库平台，为 AI 驱动的搜索和检索提供更强大的支持。
MongoDB 首席产品官 Sahir Azam 表示：“过去一年，随着企业开始探索如何构建 AI 驱动的应用程序，他们越来越意识到，应用程序的质量和信任度是将 AI 应用于关键任务用例的关键障碍。”
RAG 的基本原理是，AI 引擎不再仅仅依赖于训练数据中的知识库，而是可以从数据库中获取可靠的数据。然而，构建高度准确的 RAG 系统并非易事，幻觉问题仍然存在，这也是 MongoDB 及其用户面临的挑战。
为了提高准确性并减少幻觉，需要采取多项措施。首先，需要提升检索的质量（RAG 中的“R”）。
Voyage AI 创始人兼首席执行官 Tengyu Ma 表示：“在许多情况下，检索质量并不理想。如果检索步骤无法获取相关信息，那么检索就毫无用处，大型语言模型 (LLM) 就会产生幻觉，因为它必须猜测一些上下文。”
Voyage AI 的模型现已成为 MongoDB 的一部分，它通过以下几个关键方面提升了 RAG 的性能：
- 领域特定模型和重新排序器：这些模型经过大量特定垂直领域非结构化数据的训练，能够更好地理解这些领域的术语和语义。
- 定制和微调：用户可以针对独特的数据集和用例微调检索机制。
MongoDB 并非第一个认识到高度优化的嵌入和重新排序技术价值的供应商。毕竟，这也是 Snowflake 投资 Voyage AI 并使用其模型的原因之一。
值得注意的是，即使被 MongoDB 收购后，Voyage AI 的模型仍然可供 Snowflake 和 Voyage AI 的其他用户使用。最大的区别在于，Voyage AI 现在将越来越多地集成到 MongoDB 的数据库平台中。
将高级嵌入模型直接集成到数据库中，是其他竞争对手数据库供应商也采取的一种方法。早在 2024 年 6 月，DataStax 就宣布了其自己的 RAGStack 技术，该技术结合了高级嵌入和检索模型。
Azam 认为，MongoDB 有一些不同之处。首先，它是一个操作型数据库，而不是分析型数据库。其次，MongoDB 不仅仅提供洞察和分析，它还帮助推动交易和现实世界的运营。MongoDB 也是一种被称为“文档模型数据库”的数据库，其结构不同于传统的关联数据库。这种结构不依赖于列和表，而列和表并不擅长表示非结构化数据的信息（这是 AI 应用的关键要素）。
Azam 说：“我们是唯一一家将客户信息元数据管理、运营和交易（这是业务的核心）以及检索基础结合到一个系统中的数据库技术。”
对高度准确的嵌入和检索模型的需求，正因代理 AI 的兴起而加速发展。
Ma 表示：“代理 AI 仍然需要检索方法，因为代理无法脱离上下文做出决策。实际上，即使在一个决策中，也可能使用多个检索组件。”
Ma 指出，Voyage AI 目前正在开发针对代理 AI 用例高度定制的特定模型。他解释说，代理 AI 可以使用不同类型的查询，这些查询仍然可以从更多优化中受益。
随着生成式 AI 越来越多地进入操作型用例，消除幻觉风险变得至关重要。虽然 MongoDB 在生成式 AI 领域取得了成功，但 Azam 预计 Voyage AI 的集成将开辟新的关键任务用例。
Azam 说：“如果我们现在可以说，‘嘿，我们可以为你的应用程序提供超过 90% 的准确率，而这些应用程序在今天可能只能在某些情况下达到 30% 或 60% 的准确率’，那么人们可以将 AI 应用于其软件应用程序的机会范围将扩大。”
