向量資料庫：解鎖結構化AI在非結構化世界的潛力
前言 近年來，向量資料庫受到廣泛關注，許多公司籌集了大量資金來建立這些資料庫，並被專家稱為AI時代的新一代資料庫。然而，對於一些項目而言，它們可能是一個過度複雜的解決方案，傳統資料庫或numpy ND陣列可能已足夠。儘管如此，向量資料庫仍然極具吸引力，特別是當需要為大型語言模型（如GPT-4）提供長期記憶時。在這篇簡單易懂的文章中，我們將探討向量資料庫是什麼，它們如何運作，以及它們的應用場景和可用選項。 為什麼我們需要向量資料庫？ 為什麼我們需要向量資料庫？ 現今超過80％的數據是非結構化的，包括社交媒體帖子、圖像、視頻和音頻數據，而將這些資料儲存在關聯式資料庫中是很困難的。例如，在處理圖像時常常需要手動分配關鍵字或標籤，因為僅通過像素值來搜索相似圖像是不可行的。非結構化文本、音頻和影片資料也面臨相同的挑戰。而透過向量資料庫的建立，得使用向量嵌入（Vector embeddings）來解決這個問題。 向量嵌入和索引 向量資料庫依賴於兩個關鍵組件：向量嵌入（Embeddings）和索引（Indexes）。向量嵌入是一種將數據轉換為連續向量表示的技術。這種轉換可以幫助將非結構...
