Schnelle und präzise Suche nach geschäftlichen und semantischen Daten mit AI Vector Search
Einführung
Da immer mehr Unternehmen KI-gesteuerte Anwendungen entwickeln und bereitstellen, muss eine strategische Entscheidung getroffen werden: Welche Vektor-Datenbank verwenden wir? Vektoren, bei denen es sich um eindeutige Zahlenzeichenfolgen handelt, die zur Darstellung unstrukturierter Daten berechnet werden, ermöglichen es Unternehmen, generischen großen Sprachmodellen (LLMs) Kontext hinzuzufügen. Vektoren ermöglichen eine schnelle semantische Suche nach unstrukturierten Daten, die sie repräsentieren. Dies ist eine wichtige Funktion für Anwendungsfälle wie die Abgabe von Produktempfehlungen oder die Anzeige von Korrelationen zwischen Daten oder Objekten.
Oracle hat kürzlich Vektordaten zur wachsenden Liste der in Oracle Database integrierten Datentypen hinzugefügt. Diese Unterstützung erfolgt in Form einer neuen Funktion in Oracle Database 23c, die als "AI Vector Search" bezeichnet wird. Es umfasst Vektoren als nativen Datentyp sowie Vektorindizes und Vektorsuch-SQL-Operatoren, die es gemeinsam ermöglichen, den semantischen Inhalt unstrukturierter Daten als Vektoren zu speichern. Sie können dann schnelle Ähnlichkeitsabfragen für Dokumente, Bilder und alle anderen unstrukturierten Daten ausführen, die als Vektoren dargestellt werden.
Die KI-Vektorsuche von Oracle unterstützt die abruferweiterte Generation (RAG), eine fortschrittliche generative KI-Technik, die LLMs und private Geschäftsdaten kombiniert, um Antworten auf Fragen in natürlicher Sprache zu liefern. RAG bietet eine höhere Genauigkeit und vermeidet die Offenlegung privater Daten, indem es diese in die LLM-Trainingsdaten einbezieht.
Demo
