ویژگی تحول‌آفرین که هوش مصنوعی را در داخل پایگاه داده بازتعریف می‌کنند.

اوراکل 26AI

۱. نوع داده بُرداری (Vector Data Type – جدید)

اوراکل اکنون به شما اجازه می‌دهد تا “امبدینگ‌ها” (embeddings – نمایش داده‌های سازگار با هوش مصنوعی) را مستقیماً در پایگاه داده ذخیره کنید. این کار به هوش مصنوعی کمک می‌کند تا معنا را از متن، تصاویر یا صدا درک کند، نه فقط از روی کلمات کلیدی.

۲. جستجوی بُرداری هوش مصنوعی (AI Vector Search)

شما می‌توانید داده‌ها را بر اساس معنا جستجو کنید، نه فقط تطابق‌های دقیق. این قابلیت در کنار جداول معمولی کار می‌کند و جستجوی مبتنی بر هوش مصنوعی را کاملاً یکپارچه می‌سازد.

۳. دوگانگی رابطه‌ای JSON (JSON Relational Duality)

یک داده‌ واحد می‌تواند هم در قالب JSON و هم در قالب جداول سنتی استفاده شود. این کار دسترسی و استفاده انعطاف‌پذیر از داده‌ها را برای توسعه‌دهندگان و برنامه‌های هوش مصنوعی آسان‌تر می‌کند.

۴. انتخاب با هوش مصنوعی (Select AI)

شما می‌توانید سؤالات خود را به زبان انگلیسی ساده بپرسید و اوراکل با استفاده از مدل‌های هوش مصنوعی آن‌ها را به طور خودکار به SQL تبدیل می‌کند. دیگر نیازی به نوشتن کوئری‌های پیچیده نیست.

۵. ایجنت‌های هوش مصنوعی درون‌-پایگاهی (In-Database AI Agents)

عامل‌ها (ایجنت‌های) هوش مصنوعی می‌توانند مستقیماً در داخل پایگاه داده برای تحلیل داده‌ها، تولید خلاصه‌ها یا انجام پیش‌بینی‌ها اجرا شوند، بدون اینکه نیازی به انتقال داده‌ها به خارج از دیتابیس باشد.

۶. کارخانه ایجنت خصوصی هوش مصنوعی (AI Private Agent Factory)

یک پلتفرم بدون نیاز به کدنویسی (no-code) برای ساخت و مدیریت ایمن ایجنت‌های هوش مصنوعی. این ویژگی برای تیم‌هایی که خواهان استفاده از هوش مصنوعی بدون کدنویسی عمیق هستند، ایده‌آل است.

۷. پلتفرم داده یکپارچه برای هوش مصنوعی (Unified Data Platform for AI)

این پلتفرم داده‌های SQL، JSON، گراف، مکانی (spatial) و بُرداری را با هم ترکیب می‌کند، بنابراین هوش مصنوعی می‌تواند برای دستیابی به بینش‌های هوشمندانه‌تر، به همه چیز در یک مکان واحد دسترسی داشته باشد.

۸. لیک‌هاوس خودمختار هوش مصنوعی (Autonomous AI Lakehouse)

قابلیت‌های هوش مصنوعی اکنون به دریاچه‌های داده (data lakes – مانند Apache Iceberg) گسترش یافته است و امکان جستجو و تحلیل هوشمند را روی داده‌های در مقیاس بزرگ (large-scale) فراهم می‌کند.

۹. حاشیه‌نویسی پیشرفته داده‌ها (Advanced Data Annotations)

شما می‌توانید کانتکست (معنا و مفهوم) را به داده‌های خود اضافه کنید؛ این کار به هوش مصنوعی کمک می‌کند تا داده‌ها را بهتر درک کرده و خروجی‌های دقیق‌تری تولید کند.

۱۰. کانتینر خدمات هوش مصنوعی خصوصی (Private AI Services Container)

مدل‌های هوش مصنوعی اختصاصی خود را به صورت ایمن در داخل اوراکل اجرا کنید. داده‌های شما در محیط خودتان باقی می‌مانند و به هیچ وجه در معرض فضای خارجی قرار نمی‌گیرند.