Oracle AI Vector Search

Tipo de dados vetoriais
Com o Oracle AI Database 26ai, você pode usar o novo tipo de dados vetoriais nativo para armazenar vetores diretamente em tabelas. O suporte para vetores com diferentes contagens de dimensões e formatos significa que você pode usar o modelo de incorporação de vetores de sua escolha para simplificar o desenvolvimento e a implementação de aplicações.

Crie tabelas usando o tipo de dados VECTOR

Geração flexível de vetores
Use o framework ONNX para importar os modelos de incorporação de sua escolha e usá-los para gerar vetores para seus dados ou usar APIs de banco de dados para gerar vetores de seu serviço de incorporação preferido, incluindo contêineres NVIDIA NIM. Você também tem a opção de importar vetores diretamente para o banco de dados.

Importe modelos pré-treinados no formato ONNX para geração de vetores no banco de dados

SQL padrão simples para consultar vetores
Use SQL simples e intuitivo para realizar pesquisas de similaridade em vetores e combine livremente vetores com tipos de dados relacionais, de texto, JSON e outros na mesma consulta.

Use funções SQL para operações vetoriais

Combinação integrada de dados vetoriais de IA com dados de negócios
Combine a pesquisa sofisticada de dados de negócios com a pesquisa de similaridade vetorial de IA usando SQL simples e intuitivo e todo o poder de um banco de dados convergente — JSON, grafo, texto, relacional, espacial e muito mais — tudo em uma única consulta.

Compatibilidade JSON com o tipo de dados VECTOR

Índices vetoriais
Acelere pesquisas de similaridade usando índices de pesquisa aproximados altamente precisos (índices vetoriais), como o índice de gráfico vizinho na memória para desempenho máximo e índices de partição vizinha para conjuntos de dados massivos.

Gerencie as diferentes categorias de índices vetoriais

Índices vetoriais híbridos
Indexe e consulte documentos usando uma combinação de pesquisa de texto completo e pesquisa vetorial semântica para aprimorar a experiência geral de pesquisa e fornecer aos usuários informações mais precisas.

Gerencie índices de vetores híbridos

Especificação simples da precisão da pesquisa 
Especifique a precisão de pesquisa desejada como uma porcentagem simples, em vez de ser necessário especificar parâmetros algorítmicos avançados. Defina a precisão padrão durante a criação do índice e substitua nas consultas de pesquisa, se necessário.

Determine a precisão dos índices vetoriais

Viabilizando a geração aumentada por recuperação
Aprimore as interações do grande modelo de linguagem (LLM) ao fornecer dados privados específicos do contexto para melhorar a precisão das respostas por meio de uma combinação de pesquisa de similaridade e de dados corporativos. Enriqueça ainda mais a geração aumentada de recuperação (RAG) usando critérios integrados, como filtros de segurança, métricas e regras de negócios.

Use a geração aumentada de recuperação para complementar os LLMs

Segurança líder do setor
O Oracle AI Vector Search integra-se perfeitamente aos recursos de segurança de banco de dados líderes do setor da Oracle para reduzir riscos e simplificar a conformidade. Ao aproveitar ferramentas robustas, como criptografia, mascaramento de dados, controles de acesso de usuários privilegiados, monitoramento de atividades e auditoria, as organizações podem proteger seus dados enquanto aproveitam ao máximo os recursos avançados de pesquisa de IA.

Segurança do banco de dados

Suporte para um pipeline completo de IA generativa
Execute todos os aspectos do pipeline de IA generativa usando APIs nativas de banco de dados de ponta a ponta, facilitando para os desenvolvedores a criação de aplicações de IA de última geração usando seus dados de negócios — tudo diretamente no banco de dados.

Integração do Oracle AI Vector Search com LlamaIndex

AI Vector Search com uma suíte completa de machine learning
Lide com uma ampla variedade de casos de uso de IA que envolvem ações de machine learning (decisões, previsões, classificação, prognósticos e assim por diante) combinadas com o poder da pesquisa vetorial baseada em IA. Por exemplo, é fácil combinar inferência e classificação com o Oracle AI Vector Search na mesma consulta SQL.

Oracle Machine Learning

Otimizações do Exadata
Acelere a criação e a pesquisa de índices vetoriais a partir das otimizações do Exadata System Software 24ai. Obtenha o alto desempenho, escala e disponibilidade que o Exadata fornece aos bancos de dados corporativos.

Saiba mais sobre as otimizações de IA do Exadata

Memória vetorial elástica
Índices vetoriais Hierarchical Navigable Small World (HNSW) residem na memória do banco de dados. A sua criação depende do tamanho adequado da memória para acomodá-lo, e alterações subsequentes na tabela base subjacente podem alterar o seu tamanho. Com o Elastic Vector Memory, a memória do banco de dados é redimensionada automaticamente para acomodar todos os índices HNSW de modo dinâmico.

Saiba mais sobre o Elastic Vector Memory

Funções personalizadas de distância vetorial
As operações de pesquisa vetorial geralmente se baseiam em métricas de distância padrão, como Euclidiana, Cosseno e produto escalar. No entanto, em algumas situações, métricas proprietárias ou específicas do domínio são necessárias. As funções de distância vetorial definidas pelo usuário permitem que eles criem suas próprias métricas personalizadas.

Funções de distância vetorial personalizadas

Suporte para vetores esparsos
Vetores esparsos são vetores que normalmente têm um grande número de dimensões, mas apenas algumas dessas dimensões têm valores diferentes de zero. Como os vetores esparsos armazenam apenas valores diferentes de zero, seu uso pode melhorar a eficiência e economizar espaço de armazenamento. O suporte nativo em PL/SQL permite que vetores esparsos sejam criados e usados diretamente no PL/SQL. Os vetores esparsos também podem ser indexados usando índices vetoriais de pequeno mundo navegável hierárquico (HNSW), fornecendo todos os benefícios de velocidade, precisão e otimização de espaço combinados em uma unidade.

Saiba mais sobre vetores esparsos

AI Vector Search com tabelas Iceberg
Com o Oracle AI Database e o AI Vector Search , você pode executar pesquisa de similaridade em embeddings vetoriais armazenados externamente, sem precisar primeiro carregar os embeddings ou seus fragmentos de texto de origem no banco de dados. Isso reduz a duplicação de dados, acelera a geração de valor e mantém os dados mais próximos de seus controles de governança existentes.

Saiba mais sobre o Oracle AI Vector Search em tabelas Iceberg