Sari la conținut

Bazele de date vectoriale: ce sunt și la ce folosesc în aplicațiile AI

Bazele de date vectoriale stochează liste de numere și găsesc rapid elementele cele mai asemănătoare. Află cum funcționează și unde apar în aplicațiile AI.

  • temăAI pe înțeles
  • publicat
  • autorEchipa LumeaTehnologiei
  • lectură4 min de citit
Cuburi translucide aranjate în rânduri, simbolizând blocuri de date stocate într-un sistem
// cuprins7 secțiuni

Bazele de date vectoriale sunt sisteme care stochează vectori, adică liste de numere ce descriu sensul unui text, al unei imagini sau al unui sunet, și care găsesc rapid elementele cele mai asemănătoare cu o interogare. În aplicațiile AI ele permit căutarea după înțeles și oferă modelelor acces la informații proprii.

Ce este o bază de date vectorială?

O bază de date vectorială este un tip de bază de date optimizat pentru a păstra vectori și a-i compara între ei. Un vector se obține de obicei dintr-un model AI care transformă conținutul într-o listă de numere, astfel încât lucrurile cu sens apropiat să primească vectori apropiați.

Diferența față de bazele clasice este felul întrebării. O bază de date obișnuită răspunde la „dă-mi rândurile unde numele este exact X”. Una vectorială răspunde la „dă-mi elementele cele mai apropiate ca sens de acest exemplu”. Pentru comparație cu modelele clasice de stocare, poți citi articolul despre bazele de date SQL și NoSQL.

Cum funcționează căutarea după similaritate?

Căutarea după similaritate compară vectorul interogării cu vectorii stocați și returnează cei mai apropiați. Apropierea se măsoară cu o formulă matematică, de exemplu similaritatea cosinus sau distanța dintre puncte.

Compararea cu fiecare vector în parte ar fi prea lentă pentru colecții mari. De aceea bazele vectoriale construiesc indexuri speciale, care organizează vectorii astfel încât sistemul să ajungă repede în „vecinătatea” potrivită, fără să verifice totul. Metoda se numește căutare aproximativă a celor mai apropiați vecini și acceptă un mic compromis: rezultatul este foarte bun, dar nu garantat perfect.

Fluxul obișnuit arată astfel:

  1. Conținutul (documente, fragmente de text, imagini) este transformat în vectori.
  2. Vectorii sunt salvați în baza de date, împreună cu textul original sau cu o referință la el.
  3. La fiecare interogare, întrebarea este transformată în vector cu același model.
  4. Baza returnează elementele cele mai asemănătoare, împreună cu scorurile lor.

La ce folosesc în aplicațiile AI?

În aplicațiile AI, bazele vectoriale servesc ca memorie externă pentru modele. Un model de limbaj are cunoștințe fixe și o fereastră limitată de text, deci nu poate „citi” toate documentele unei firme. Soluția este să se găsească doar fragmentele relevante și să fie trimise modelului odată cu întrebarea.

Utilizările frecvente includ:

  • Asistenți care consultă documente proprii, o tehnică numită RAG.
  • Căutare semantică într-un site, într-o bază de cunoștințe sau într-un arhiv.
  • Recomandări de produse, articole sau muzică similare cu ce a ales deja utilizatorul.
  • Detectarea duplicatelor și gruparea documentelor pe teme.
  • Căutarea după imagine, unde o fotografie este comparată cu altele după aspect.

Când ai nevoie de o bază de date vectorială?

Ai nevoie de una atunci când volumul de conținut este mare și vrei căutare după înțeles. Pentru câteva zeci de documente, o soluție simplă poate fi suficientă, iar multe baze de date obișnuite oferă extensii pentru vectori. O bază dedicată devine utilă când colecția crește, când viteza contează sau când se cer funcții speciale de filtrare.

Câteva întrebări utile înainte de alegere:

  • Cât conținut trebuie indexat și cât de des se schimbă?
  • Cât de rapid trebuie să fie răspunsul?
  • Este nevoie să filtrezi rezultatele după alte câmpuri, cum ar fi data sau categoria?
  • Unde pot fi stocate datele, ținând cont de confidențialitate?

Ce trebuie să știi despre limite și confidențialitate?

Căutarea vectorială găsește ce este apropiat ca sens, nu ce este neapărat corect. Dacă documentele sursă conțin erori, ele vor fi găsite și folosite la fel. Calitatea rezultatelor depinde și de modelul care a creat vectorii.

La capitolul confidențialitate, vectorii derivați din documente interne sunt tot date sensibile și trebuie protejați ca atare. Pentru reguli generale despre ce se trimite către sistemele AI, vezi materialul despre informațiile pe care e bine să nu le introduci. Mai multe explicații pe teme asemănătoare se găsesc în secțiunea AI pe înțeles.

Pe scurt

  • O bază de date vectorială stochează liste de numere și caută după similaritate.
  • Indexurile speciale fac căutarea rapidă chiar și pe colecții mari.
  • Aplicațiile tipice sunt asistenții cu documente proprii, căutarea semantică și recomandările.
  • Vectorii derivați din date private rămân date sensibile.

Întrebări frecvente

Înlocuiește o bază de date vectorială o bază SQL?

De obicei nu. Cele două se completează: SQL păstrează datele structurate, iar baza vectorială ajută la căutarea după înțeles. Multe aplicații le folosesc împreună.

Ce se stochează de fapt într-o bază vectorială?

Vectorii, adică listele de numere, plus informații suplimentare precum textul original, un identificator sau categoria. Vectorul singur nu este ușor de citit de un om.

De ce este căutarea vectorială numită aproximativă?

Pentru că indexurile sacrifică puțină precizie pentru viteză. Rezultatele sunt foarte apropiate de cele ideale, dar nu sunt garantat identice cu o comparare completă.

// trimite mai departe
// inteligenta-artificiala

Continuă pe aceeași orbită

Toată tema AI pe înțeles