Snel en nauwkeurig bedrijfs- en semantische gegevens doorzoeken met AI Vector Search
Inleiding
Naarmate meer bedrijven AI-gestuurde applicaties ontwikkelen en implementeren, moet er een strategische beslissing worden genomen: welke vectordatabase gebruiken we? Met vectoren, die unieke reeksen getallen zijn die worden berekend om ongestructureerde gegevens weer te geven, kunnen bedrijven context toevoegen aan generieke grote taalmodellen (LLM's). Vectoren maken een snelle semantische zoekopdracht mogelijk van de ongestructureerde gegevens die ze vertegenwoordigen, een kritieke functie voor gebruiksdoelen, zoals het doen van productaanbevelingen of het tonen van correlaties tussen gegevens of objecten.
Oracle heeft onlangs vectorgegevens toegevoegd aan de groeiende lijst met gegevenstypen die zijn opgenomen in Oracle Database. Deze ondersteuning wordt geleverd in de vorm van een nieuwe functie in Oracle Database 23c met de naam "AI Vector Search". Het omvat vectoren als native gegevenstype, evenals vectorindexen en SQL-operatoren voor vectorzoekopdrachten, die samen het mogelijk maken om de semantische inhoud van ongestructureerde gegevens als vectoren op te slaan. U kunt dan snel overeenkomstenquery's uitvoeren op documenten, afbeeldingen en andere ongestructureerde gegevens die als vectoren worden weergegeven.
Oracle's AI Vector Search ondersteunt RAG (retrieval-augmented generation), een geavanceerde generatieve AI-techniek die LLM's en privébedrijfsgegevens combineert om antwoorden te geven op vragen in natuurlijke taal. RAG zorgt voor een hogere nauwkeurigheid en vermijdt het blootstellen van persoonlijke gegevens door deze op te nemen in de LLM-trainingsgegevens.
-demonstratie
