여러 데이터베이스를 직접 관리하고 통합할 필요 없이 유사성 검색 기능을 비즈니스 데이터에 간단히 적용할 수 있습니다. AI Vector Search를 사용하면 시맨틱 또는 의미를 기반으로 정형 데이터 및 비정형 데이터를 검색할 수 있습니다. 네이티브 벡터 기능은 대규모 언어 모델(LLM)이 검색 증강 생성(RAG) 기술을 활용해 보다 정확하고 상황에 맞는 결과를 제공할 수 있도록 지원합니다.
Juan Loaiza EVP의 Oracle CloudWorld 기조연설을 통해 Oracle이 새롭게 선보이는 획기적인 AI 중심 앱 개발 인프라를 살펴보세요.
단일 데이터베이스에서 유사성 검색 기능과 관계형, 텍스트, JSON, 공간, 그래프 데이터 유형을 간단히 결합해 앱을 강화할 수 있습니다.
선호하는 LLM과 RAG 기술을 사용해 프라이빗 비즈니스 데이터 전반에 대한 자연어 검색을 수행 가능합니다.
선호하는 개발 도구, AI 프레임워크, 언어를 사용해 AI 앱을 구축할 수 있습니다.
미션 크리티컬 AI 앱을 간단히 구축할 수 있습니다. 다양한 산업용 기능을 활용해 확장성, 성능, 고가용성, 보안성을 확보할 수 있습니다.
더욱 수준높은 앱 개발 경험이 찾아옵니다. Oracle Database 23ai의 최신 AI Vector Search 기능이 정식으로 출시됐습니다. 지금 바로 사용 가능합니다. 자세한 사용 방법을 확인해 보세요.
Oracle이 CloudWorld 2023에서 생성형 AI의 증강 및 극적인 개발자 생산성 향상을 위한 통합 벡터 데이터베이스를 발표했습니다.
Oracle Database 23ai의 AI Vector Search로 시맨틱 데이터와 비즈니스 데이터를 결합해 보다 빠르고, 정확하고, 안전한 결과를 도출하는 방법을 확인해 보세요.
“AI Vector Search가 Oracle Database에 추가된다는 것은 반가운 소식입니다. NRI의 다른 워크로드들과 동일한 Oracle Database에서 AI Vector Search를 실행함으로써 보다 안정적이고 안전한 솔루션을 제공할 수 있게 되어 기쁩니다.”
새로운 네이티브 VECTOR 데이터 유형으로 Oracle Database 23ai에 벡터를 직접 저장할 수 있습니다. 차원 수와 형식이 서로 다른 벡터들을 두루 지원해 애플리케이션을 단순화합니다.
ONNX 프레임워크로 원하는 임베딩 모델을 가져와 데이터에 대한 벡터를 생성합니다. 필요한 경우 벡터를 데이터베이스로 직접 임포트할 수도 있습니다.
높은 정확도와 최대 성능을 제공하는 인메모리 이웃 그래프 인덱스, 대규모 데이터 세트를 위한 이웃 파티션 인덱스 등의 벡터 인덱스를 사용해 유사성 검색을 가속화합니다.
간단하고 직관적인 SQL 확장 기능을 사용해 관계형, 텍스트, JSON 및 기타 데이터 유형에 대한 정교한 쿼리 내의 벡터에 대한 유사성 검색을 수행할 수 있습니다.
모호하고 낮은 수준의 인덱스별 매개변수를 사용하는 대신 대상 검색의 정확도를 지정 가능합니다. 인덱스 생성 중 기본 정확도를 정의하고, 필요한 경우 검색 쿼리에서 재정의할 수 있습니다.
Exadata System Software 24ai 최적화를 활용해 벡터 인덱스 생성 및 검색을 가속화합니다. Exadata가 엔터프라이즈 데이터베이스에 제공하는 고성능, 확장성, 가용성을 경험해 보세요.
유사성 검색은 의미론적 의미를 기반으로 관련 데이터를 찾는 데 중점을 둡니다. 비정형 데이터는 직접 검색하기 어려우므로 유사성 검색은 수동으로 적용된 레이블만 검색하는 대신 기본 텍스트, 이미지, 오디오 또는 비디오 데이터까지 고려한, 단순한 키워드 검색 이상의 광범위한 검색을 수행합니다.
대규모 데이터 세트에서 유사한 데이터를 식별하는 기능은 많은 산업 분야에서 사용될 수 있습니다. 유사성 검색 사례는 다음과 같습니다.
RAG는 유사성 검색 결과를 사용하여 비즈니스 데이터 과련 질문에 대한 대규모 언어 모델 응답의 정확성 및 상황별 관련성을 개선합니다. RAG는 LLM이 학습하지 못했을 수도 있는 상황별 관련 개인 데이터를 파악한 뒤 이를 사용해 사용자 프롬프트를 보강함으로써 LLM이 보다 정확하게 대응할 수 있도록 지원합니다.
LLM의 답변 품질을 향상시키고자 하는 수요는 많은 산업에서 공통적으로 발생하고 있습니다. 답변 정확도 향상을 위해 RAG를 사용하는 사례는 다음과 같습니다.
RAG는 많은 비용이 발생하는 LLM 재훈련 또는 미세 조정 없이도 LLM이 기업의 비즈니스와 관련된 질문에 대한 맞춤형 답변을 제공할 수 있도록 지원합니다.
Oracle CloudWorld 2024에서 Oracle Database 23ai의 NVIDIA GPU를 활용해 AI Vector Search 기능을 가속화하는 Oracle Database용 GPU 가속 기능 2개가 시연됩니다. 첫 번째 기능은 GPU 가속을 활용해 텍스트, 이미지, 비디오 등의 다양한 입력 데이터 세트로부터 벡터 임베딩을 생성하는 기능입니다. 두 번째는 GPU를 사용해 Oracle Database 내에서 벡터 인덱스 생성 및 유지 관리를 가속화하는 방법을 보여주는 초기 단계의 개념 증명입니다.
게시물 전문 읽어보기Oracle이 제공하는 무료 체험을 통해 Autonomous Database, Arm Compute, Storage 등을 무기한 사용할 수 있으며 추가 클라우드 서비스를 체험할 수 있는 미화 300달러 상당의 무료 크레딧이 함께 제공됩니다. 자세한 내용을 확인하고 지금 바로 무료 계정에 가입해보세요.
기업은 Oracle Database 23ai의 AI Vector Search를 활용해 동일한 데이터베이스 내에서 비즈니스 데이터의 시맨틱 검색과 관계형 쿼리를 결합할 수 있습니다.
선도적 업계 분석가들이 생성형 AI와 비즈니스 데이터를 사용하여 고객 경험과 직원 생산성을 개선하고자 하는 각국 기업들의 노력에 AI Vector Search가 어떻게 기여하는지 설명합니다.