ميزات البحث في Oracle AI Vector
عام
نوع بيانات المتجه
باستخدام Oracle AI Database 26ai، يمكنك استخدام نوع بيانات المتجهات الأصلي الجديد لتخزين المتجهات مباشرةً داخل الجداول. يعني دعم المتجهات ذات أعداد وتنسيقات أبعاد مُختلفة أنه يمكنك استخدام نموذج تضمين المتجه الذي تختاره لتبسيط تطوير التطبيق ونشره.
إنشاء جداول باستخدام نوع بيانات VECTOR
إنشاء متجهات مرنة
استخدم إطار عمل ONNX لاستيراد نماذج التضمين التي تختارها واستخدامها لإنشاء متجهات لبياناتك أو استخدام واجهات برمجة تطبيقات قاعدة البيانات لإنشاء متجهات من خدمة التضمين المفضلة لديك—بما في ذلك حاويات NVIDIA NIM. لديك أيضًا خيار استيراد المتجهات مباشرةً إلى قاعدة البيانات.
استيراد النماذج المدربة مُسبقًا بتنسيق ONNX لإنشاء المتجهات داخل قاعدة البيانات
لغة SQL البسيطة والسهلة لإجراء استعلام عن المتجهات
استخدم لغة SQL البسيطة والسهلة لإجراء بحث التشابه على المتجهات ودمج المتجهات بحرية مع أنواع البيانات العلائقية والنصوص وJSON وغيرها داخل الاستعلام نفسه.
استخدام وظائف SQL لعمليات المتجهات
مزيج سلس من بيانات متجهات الذكاء الاصطناعي مع بيانات الأعمال
يمكنك دمج البحث المُتطور عن بيانات الأعمال مع البحث عن تشابه متجهات الذكاء الاصطناعي باستخدام لغة SQL بسيطة وسهلة والقوة الكاملة لقاعدة بيانات متقاربة—JSON، والرسم البياني، والنص، من الجانب العلائقي، ومن الجانب المكاني، والمزيد—كل ذلك في استعلام واحد.
توافق JSON مع نوع بيانات VECTOR
فهارس المتجهات
تسريع عمليات بحث التشابه باستخدام فهارس بحث تقريبية عالية الدقة (فهارس المتجهات)، مثل فهرس الرسم البياني المجاور المُضمن بالذاكرة للحصول على أقصى أداء وفهارس أقسام الجوار لمجموعات البيانات الضخمة.
إدارة الفئات المختلفة لفهارس المتجهات
فهارس المتجهات المختلطة
يمكنك فهرسة المستندات والاستعلام عنها باستخدام مزيج من البحث في النص الكامل والبحث في المتجه الدلالي لتحسين تجربة البحث الشاملة وتزويد المستخدمين بمعلومات أدق.
مواصفات دقة البحث البسيطة يمكنك تحديد دقة البحث الهدف بصفته باعتباره نسبة مئوية بسيطة بدلاً من أن تكون مطلوبة لتحديد المعلمات الخوارزمية المُتقدمة. حدد الدقة الافتراضية أثناء إنشاء الفهرس وتجاوزه في استعلامات البحث إذا لزم الأمر.
تشغيل الإنشاء المعزز بالاسترجاع
يمكنك تحسين تفاعلات نموذج اللغة الكبيرة (LLM) من خلال توفير بيانات خاصة بالسياق لتحسين دقة الاستجابات من خلال مزيج من البحث عن التشابه والبحث عن بيانات الأعمال. يمكنك زيادة إثراء الإنشاء المعزز للاستعادة (RAG) باستخدام معايير الأعمال المُضمنة، مثل مرشحات الأمان وقياسات الأعمال وقواعد الأعمال.
استخدام الإنشاء المعزز بالاسترجاع لتكملة نماذج اللغات الكبيرة
الأمن الرائد في المجال
يتكامل بحث Oracle AI Vector بسلاسة مع ميزات أمان قاعدة البيانات الرائدة في المجال من Oracle لتقليل المخاطر وتبسيط الامتثال. من خلال الاستفادة من الأدوات القوية، مثل التشفير وإخفاء البيانات الحساسة وعناصر التحكم في وصول المستخدم المتميز ومراقبة النشاط والتدقيق، يمكن للمؤسسات تأمين بياناتها مع الاستفادة الكاملة من إمكانات البحث المُتقدمة عن الذكاء الاصطناعي.
دعم مسار الذكاء الاصطناعي التوليدي الكامل
تنفيذ جميع جوانب مسار الذكاء الاصطناعي التوليدي باستخدام واجهات برمجة تطبيقات قاعدة البيانات الأصلية من البداية إلى النهاية، مما يسهِّل على المطورين إنشاء تطبيقات الذكاء الاصطناعي من الجيل التالي باستخدام بيانات أعمالهم—كل ذلك من داخل قاعدة البيانات مباشرةً.
تكامل Oracle AI Vector Search مع LlamaIndex
البحث عن متجهات الذكاء الاصطناعي مع مجموعة كاملة من التعلم الآلي
يمكنك التعامل مع مجموعة واسعة من حالات استخدام الذكاء الاصطناعي التي تتضمن إجراءات التعلم الآلي (القرارات والتنبؤات والتصنيف والتوقعات وما إلى ذلك) إلى جانب قوة بحث المتجهات المستند إلى الذكاء الاصطناعي. على سبيل المثال، من السهل الجمع بين الاستدلال والتصنيف باستخدام بحث Oracle AI Vector في استعلام SQL نفسه.
تحسينات Exadata
تسريع إنشاء فهرس المتجهات والبحث والبدء باستخدام تحسينات Exadata System Software 24ai. احصل على الأداء العالي والتوسع والتوافر الذي يوفره Exadata لقواعد بيانات المؤسسة.
تعرَّف على المزيد حول تحسينات الذكاء الاصطناعي في Exadata
ذاكرة متجهات مرنة
توجد فهارس متجهات عالمية صغيرة قابل للتنقل ومتدرجة (HNSW) في ذاكرة قاعدة البيانات. يعتمد إنشاء فهرس HNSW على حجم الذاكرة بشكل كافٍ لاستيعابها، ويمكن للتغييرات اللاحقة في الجدول الأساس الرئيس تغيير حجم فهرس HNSW. باستخدام ذاكرة المتجهات المرنة، يتم تغيير حجم ذاكرة قاعدة البيانات تلقائيًا لاستيعاب جميع فهارس HNSW ديناميكيًا.
تعرَّف على المزيد حول ذاكرة المتجهات المرنة
وظائف مسافة المتجه المُخصصة
تعتمد عمليات البحث عن المتجهات غالبًا على مقاييس المسافة القياسية، مثل Euclidean وCosine والمنتج النقطي. مع ذلك، في بعض الحالات، يلزم وجود مقاييس خاصة بالمجال أو الملكية. تسمح دوال مسافة المتجهات المحددة بواسطة المستخدم للمستخدمين بإنشاء القياسات المُخصصة لديهم.
تعرَّف على المزيد حول وظائف مسافة المتجهات المُخصصة
دعم المتجهات المتفرقة
تمثل المتجهات المتفرقة متجهات تحتوي عادةً على عدد كبير من الأبعاد، لكن يوجد لدى القليل من هذه الأبعاد فحسب قيم غير صفرية. نظرًا إلى أن المتجهات المتفرقة لا تخزن سوى القيم غير الصفرية، فإن استخدامها يمكن أن يحسن الكفاءة ويوفر مساحة التخزين. يتيح الدعم المحلي في PL/SQL تكوين المتجهات المتفرقة واستخدامها مباشرةً من داخل PL/SQL. يمكن أيضًا فهرسة المتجهات المتفرقة باستخدام مؤشرات متجهات العالم الصغير القابل للتنقل الهرمي (HNSW)، ما يوفر جميع مزايا السرعة والدقة وتحسين المساحة مجتمعة في وحدة واحدة.