Schnelle und präzise Suche von 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 Vektordatenbank verwenden wir? Vektoren, bei denen es sich um eindeutige Zahlenzeichenfolgen handelt, die für unstrukturierte Daten berechnet werden, ermöglichen es Unternehmen, generischen Large Language Models (LLMs) Kontext hinzuzufügen. Vektoren ermöglichen eine schnelle semantische Suche nach den unstrukturierten Daten, die sie darstellen. 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 von Datentypen hinzugefügt, die in Oracle Database integriert sind. Diese Unterstützung wird in Form einer neuen Funktion in Oracle Database 23ai namens "AI Vector Search" bereitgestellt. Es umfasst Vektoren als nativen Datentyp sowie Vektorindizes und Vektorsuch-SQL-Operatoren, die es 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 Retrieval-Augmented Generation (RAG), eine erweiterte 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
Weitere Ressourcen
Hinweis: Die AI Vector Search von Oracle ist in der Beta-Phase und noch nicht allgemein verfügbar. Tiefere Ressourcen werden freigegeben, wenn das Produkt verfügbar ist.