Elastic® Support Hub y su impacto en nuestros clientes, es importante que nos tomemos un momento para explicar el concepto de búsqueda semántica. En esencia, la búsqueda semántica es un método de búsqueda que utiliza IA para arrojar resultados de búsqueda más relevantes. Eche un vistazo a este vídeo rápido que explica el concepto:
Como se muestra en el vídeo, la búsqueda semántica hace coincidir la intención de lo que el usuario busca con el contenido disponible en lugar de las palabras . Puede leer más sobre la IA detrás de esto en nuestro blog, Presentamos Elastic Learned Sparse Encoder: el modelo de IA de Elastic para búsqueda semántica . El resto de este blog cuenta nuestra historia sobre cómo trasladar Elastic Support Hub a la búsqueda semántica.
¿Por qué hicimos este cambio?
Todas las noticias tecnológicas de estos días parecen tener algo que ver con los grandes modelos de lenguaje y la IA generativa . Elastic lidera la carga con sus capacidades de bases de datos vectoriales y modelos de lenguaje natural integrados. Tiene sentido que construyamos nuestras aplicaciones de soporte con la misma tecnología de vanguardia en la que se basa nuestro producto. Al realizar este cambio ahora, podemos brindar comentarios a nuestros equipos de desarrollo de productos y mejorar el producto para todos.
La mayor conclusión sobre la configuración de la búsqueda semántica
Como ocurre con la mayoría de las innovaciones tecnológicas, es necesario derribar, reemplazar el código antiguo y, potencialmente, actualizar la arquitectura subyacente. Nuestro equipo interno de desarrollo de aplicaciones enfrentó estos desafíos de frente y ahora estamos en una posición mucho mejor para iterar cualquiera de las nuevas características de Elasticsearch®. Desde el punto de vista de nuestros equipos, hubo dos características importantes que se destacaron en el proceso de configuración:
1. Teniendo en cuenta que ELSER, el modelo transformador patentado de Elastic para búsqueda semántica, es una característica relativamente nueva en Elasticsearch (8.8), nuestro equipo de desarrollo estuvo feliz de ver una experiencia de interfaz de usuario guiada para habilitar las canalizaciones de ingesta de Elasticsearch con ELSER.
Esto permitió a nuestros desarrolladores agregar rápidamente la configuración de expansión de texto necesaria al canal de ingesta que hace posible la búsqueda semántica. Esto hizo que la experiencia de configuración fuera mucho más fácil para comenzar y ver los resultados más rápido.
2. Un modelo de aprendizaje automático como ELSER requiere recursos de máquina dedicados para ejecutarse (mínimo 4 GB). Como ya estábamos ejecutando Elastic Cloud , pudimos habilitar nodos de aprendizaje automático (ML) dedicados con escalado automático para satisfacer nuestras demandas de recursos y ver un rendimiento más consistente.
Si bien se considera que esto es un gran avance en las capacidad de brindar a los clientes resultados de búsqueda relevantes, sabemos que nuestro trabajo aún no ha terminado. Con el tiempo, se evaluara los datos que tenemos sobre los términos buscados, los resultados y los artículos leídos. Estos datos permitirán agregar sinónimos y configurar pesos y aumentos apropiados para brindar.
Linware Perú ⯈