无需管理和集成多个数据库,即可轻松将相似性搜索功能应用于您的业务数据。除了数据的值,AI Vector Search 还支持您根据语义或含义,搜索结构化和非结构化数据。原生向量功能可以帮助大型语言模型 (LLM),通过检索增强生成 (RAG) 提供更准确和与情境更相关的结果。
轻松将相似性搜索与关系、文本、JSON、空间和图形数据类型相结合,从而增强应用 — 所有这些都在一个数据库中完成。
使用 RAG 对您的私有业务数据进行自然语言搜索,为您所选的 LLM 提供指导。
使用您喜爱的开发工具、AI 框架和语言构建 AI 应用。
轻松构建关键任务 AI 应用。利用工业级功能,实现可扩展性、性能、高可用性和安全性。
准备好提升您的 AppDev 体验了吗?立即利用 Oracle Database 23ai 新的 AI Vector Search 功能。了解如何入门。
了解 Oracle Database 23ai AI Vector Search 如何将语义和业务数据相结合,更快地提供精确又可靠的搜索结果。
“We are happy to see AI Vector Search added to Oracle Database.We appreciate that we can run AI Vector Search in the same Oracle Database as our other workloads, which allows us to provide a reliable and secure solution.”
使用新的原生 VECTOR 数据类型,直接在 Oracle Database 23ai 中存储向量。通过支持具有不同维数和格式的向量来简化应用。
使用 ONNX 框架,导入您所选的嵌入模型,并利用它来为数据生成向量。您也可以选择将向量直接导入到数据库中。
使用向量索引(例如内存中相邻的图形索引)加速相似性搜索,以获得高准确性和高性能,并使用相邻分区索引,加快大规模数据集的相似性搜索。
使用简单直观的 SQL 扩展,对关系、文本、JSON 和其他数据类型的复杂查询中的向量进行相似性搜索。
指定目标搜索精度,而不是使用模糊的、低级的、特定于索引的参数。在创建索引期间,定义默认精确度,并根据需要改写搜索查询。
通过 Exadata System Software 24ai 优化,加快向量索引创建和搜索速度。Exadata 为企业数据库提供高性能、可扩展性和高可用性。
相似性搜索专注于基于语义来查找相关数据。非结构化数据很难直接搜索,因此相似性搜索超出了简单地搜索关键词的范畴,还会搜索底层文本、图像、音频或视频数据,而不仅仅是手动搜索数据的标签。
对于许多行业而言,企业需要为大型数据集中的相似数据确定匹配项。相似性搜索的示例包括:
RAG 使用相似性搜索的结果来提高大型语言模型对业务数据问题的回答的精确度和情境相关性。RAG 有助于识别尚未用于训练 LLM 且与情境相关的私有数据,然后使用该数据来增强用户提示,让 LLM 能够更准确地做出响应。
各行各业的企业都希望从 LLM 获得更高质量的答案。使用 RAG 提高准确性的一些示例包括:
RAG 让企业无需对 LLM 进行成本高昂的再训练或微调,即可为业务问题提供定制化答案。
在 2024 年甲骨文全球云大会上,我们展示了 Oracle Database 的两个 GPU 加速功能,这些功能利用 NVIDIA GPU 来加速 Oracle Database 23ai 中的 AI Vector Search 功能。第一个功能是 GPU 加速从各种不同的输入数据集(如文本、图像和视频)创建向量嵌入。第二个是早期概念验证,说明如何使用 GPU 来加速 Oracle Database 中的向量索引创建和维护。
阅读全文Oracle 提供的免费套餐包含了 Autonomous Database、Arm Compute 和 Storage 等 20 多个服务,另外还有 300 美元的免费储值,让您可以试用更多云技术服务。立即获取详细信息并注册您的免费账户。
借助 Oracle Database 23ai 中的 AI Vector Search,企业可以将业务数据的语义搜索与同一数据库内的关系查询相结合。
权威行业分析机构分享了 AI Vector Search 如何帮助世界各地的企业通过生成式 AI 使用业务数据来改善客户体验和员工工作效率。
注:为免疑义,本网页所用以下术语专指以下含义: