(Tee11/shutterstock)
A indústria de tecnologia tem um apetite voraz pela próxima grande novidade. Mas, às vezes, é a coisa mais antiga que acaba sendo a ferramenta certa para um novo emprego. Esse é o argumento que está sendo apresentado pelo fundador e CEO da Relatacionalai, Molham Aref, que não vê razão para que os bancos de dados relacionais não possam fornecer os relacionamentos com gráficos que estão ajudando a alimentar uma nova classe de cargas de trabalho de IA.
Relacionalai Desenvolve uma base de gráficos de conhecimento projetada para armazenar e consultar dados conectados no suporte a cargas de trabalho preditivas e prescritivas de IA. A esse respeito, é semelhante aos gráficos de propriedades subjacentes que armazenam dados em nós e bordas, como Neo4je gráficos semânticos como AlleGrographque armazenam dados em conjuntos de triplos semânticos.
No entanto, há uma grande diferença entre esses gráficos e o armazenamento de dados subjacente da RelationalAi: o uso da tecnologia relacional de banco de dados e SQL common, em oposição às estruturas de dados de gráficos tremendous normalizadas e linguagens de consulta especializadas. Enquanto os principais gráficos de propriedades e semânticos usam tecnologia especializada, a Relationalai construiu a tecnologia que traça suas raízes nos anos 70. Isso faz do Relationalai um pouco de estranheza em um negócio orientado por hype.
Mas Aref não se desculpa por sua abordagem. De fato, eu fiz uma discussão em Floco de neve A cúpula 25 na semana passada que o modelo relacional e o SQL são os melhores fundações tecnológicas para criar grande parte da infraestrutura de dados subjacente à AI generativa de hoje e aplicativos de IA agênticos.
CEO e fundador da RelationAai
“Acho que todos devemos aceitar que o modelo relacional sempre vence, e vai ganhar novamente aqui”, disse Aref disse Bigdatawire no Moscone Middle na semana passada. “Tenho idade suficiente para lembrar dos anos 80 quando as pessoas eram como ‘essas coisas nunca vão funcionar para o OLTP. Os programadores reais querem … arquivos planos e bancos de dados de navegação.’ E nos anos 90, period Molap, Olap multidimensional, é o único caminho e o relacional é estúpido. ”
OLAP, ou processamento analítico on -line, ainda está por perto. De fato, é a base arquitetônica para muitos grandes bancos de dados analíticos, como o Snowflake. Mas você não ouve as pessoas se diferenciando entre Olap (ou Rolap) relacional e Molap, disse Aref. Hoje, Rolap basicamente é sinônimo de Olap.
Houve muitas tentativas de melhor o modelo relacional e o SQL ao longo dos anos. Toda a fase Hadoop foi um grande experimento nisso. Quando period uma pequena startup, o Snowflake chamou a atenção, proclamando orgulhosamente a eficiência e a sabedoria de usar o modelo relacional e o SQL, enquanto o resto do mundo descobriu como armazenar dados no sistema de arquivos distribuído (HDFs) e usar estruturas complexas como o MapReduce para processar. Tentativas de re-normalizar os dados, ou seja, a Apache Hive, lembrava-se de tentar montar o Humpty Dumpty novamente.
Aref se lembra do desafio que o Snowflake enfrentou naqueles primeiros dias desde uma estrada cética em Sand Hill. Ele se lembra do ex -CEO do Snowflake, Bob Muglia, dizendo que o Snowflake foi rejeitado 27 vezes para uma rodada de financiamento da Série C. Isso elucidou algumas risadas de Aref ao se lembrar do espetáculo.
“Think about ser o investidor que recusou a oportunidade de investir em floco de neve”, disse ele. “Seria Hadoop. O Hadoop seria o vencedor. O huge information period a nova carga de trabalho e a única maneira de fazer o Large Information é o MapReduce. ‘Veja, o Google está fazendo o MapReduce. Relacional está morto. Esqueça.’ E então o Snowflake criou uma arquitetura nativa em nuvem e teve apoio para dados semiestruturados, e agora Hadoop é COBOL. ”
Hadoop agora é Cobol, o CEO relacional Molham Aref disse (MW2ST/Shutterstock)
Aref está travando uma batalha semelhante agora com os gráficos de conhecimento. Em vez de mover seus dados para um gráfico de propriedades dedicado ou um banco de dados de gráficos semânticos, o RelationalAi deixa as tabelas de floco de neve e usa consultas tradicionais do SQL para fazer perguntas do tipo gráfico, que podem ser usadas para alimentar os raciocinadores preditivos e prescritivos.
O objetivo é fornecer dados da melhor maneira possível de alimentar os algoritmos da IA, que podem argumentar a eles e ajudar os usuários a obter respostas a perguntas difíceis, como “O que será em dezembro próximo a iPhones na cidade de Nova York”? “Essa não é uma questão de SQL”, disse Aref. “É uma pergunta sobre algo que ainda não aconteceu. Não está no banco de dados”.
Relationalai vai além do que é possível com a geração de recuperação de recuperação (RAG), treinando e finetuning algoritmos de AI em seu gráfico de conhecimento usando dados estruturados, semi-estruturados e não estruturados dos clientes. Isso essencialmente permite que o modelo de IA compreenda os relacionamentos que existem nos dados dos clientes.
“É um novo tipo de gráfico de conhecimento”, disse Aref. “Não é um gráfico de navegação. Somos diferentes do gráfico, porque podemos raciocinar preditiva, prescritivamente com regras e com os poderes de gráfico tradicionais”.
Assim como existem bancos de dados relacionais que são bons em bancos de dados OLAP e relacionais que são bons no OLTP (processamento de transações on -line), agora estamos vendo o surgimento de bancos de dados relacionais que são bons em cargas de trabalho gráficas, disse Aref.
A arquitetura relacionalai
“No closing, um gráfico é apenas uma conexão entre duas coisas. Não há nada sobre o modelo relacional que não permite que você faça para modelar gráficos”, disse ele. “A beleza do modelo relacional é que não period como se fosse conectado a apenas uma carga de trabalho. Você pode fazer OLTP e OLAP. Foi conectado a ser uma abstração, e você pode implementar quaisquer estruturas de dados e unir algoritmos que desejarem nas capas”.
O Relationalai é implantado como um aplicativo nativo na plataforma do Snowflake, que traz certas vantagens para o cliente, principalmente quando se trata da segurança e governança dos dados. O Relationalai também está adotando as novas visões semânticas que o Snowflake divulgou na Summit, o que fornecerá mais padronização e facilitará a criação de aplicativos preditivos e de raciocínio sobre seus dados.
Aref disse que respeita o que os desenvolvedores de banco de dados gráficos anteriores construíram usando as ferramentas e tecnologias que estavam disponíveis na época. Mas, graças aos avanços na computação, hoje não há necessidade de abandonar o modelo relacional e o SQL para criar gráficos de conhecimento, disse ele.
“Não estamos tentando construir um culto. Estamos tentando construir algo útil para as pessoas”, disse Aref. “Nossa abordagem, acho que é um pouco mais humilde. Temos mais humildade. É como, ei, você está no Snowflake. Você está no SQL. Sabemos como fazê -lo para que você possa executar consultas relacionais que estão fazendo perguntas graficas”.
Itens relacionados:
Por que jovens desenvolvedores não recebem gráficos de conhecimento
A sinergia entre os gráficos de conhecimento e os grandes modelos de linguagem