Oracle AI Vector Search
Apportez facilement des recherches de similarités basées sur l'IA à vos données d'entreprise sans gérer ou intégrer plusieurs bases de données ni compromettre les fonctionnalités, la sécurité et la cohérence. AI Vector Search permet de rechercher des données structurées et non structurées par sémantique ou signification, et par valeurs, ce qui permet des applications de recherche IA ultra-sophistiquées. Les fonctionnalités de recherche vectorielle d'IA native peuvent également aider les grands modèles de langage (LLM) à fournir des résultats plus précis et pertinents en contexte pour les cas d'utilisation d'entreprise à l'aide de la génération augmentée de récupération (RAG) sur vos données d'entreprise.
-
Sphere Holdings : du rang de start-up à celui de leader de l'IA d'entreprise avec Oracle AI Database 26ai
Découvrez comment cette start-up d'IA est passée du concept à une offre d'IA robuste en un temps record, en tirant parti d'Oracle Autonomous AI Database 26ai.
-
Outline Global optimise la cartographie géospatiale basée sur l'IA avec Oracle AI Database 26ai
Oracle AI Database 26ai avec AI Vector Search a aidé l'entreprise australienne à fournir des services de données et d'analyse plus rapides et plus fiables, augmentant ainsi son chiffre d'affaires de 30 %.
Pourquoi choisir Oracle AI Vector Search ?
-
La simplicité d'une base de données convergée unique
Combinez facilement la recherche de similarité avec les types de données relationnelles, textuelles, JSON, spatiales et graphes pour améliorer vos applications, le tout dans une seule base de données. Apportez l'IA à vos données – ne déplacez pas vos données pour l'IA.
-
Conversez en langage naturel avec vos données d'entreprise
Activez la recherche en langage naturel dans vos données d'entreprise privées à l'aide de la RAG pour mieux guider le LLM de votre choix et l'éloigner des hallucinations.
-
Développez des applications d'IA à votre façon
Utilisez vos outils de développement, structures d'IA, modèles d'IA et langages de programmation préférés pour créer des applications d'IA comme vous le souhaitez.
-
Une IA conçue pour l'entreprise
Créez facilement des applications d'IA stratégiques. Tirez parti des capacités de résistance industrielle pour atteindre l'évolutivité, les performances, la haute disponibilité et la sécurité.
-
Des fonctionnalités complètes de vivier d'IA générative à portée de main
Les fonctionnalités de recherche vectorielle Oracle AI incluent le chargement de documents, la transformation, le découpage, l'intégration, la recherche de similarités et la RAG avec les LLM. Elles sont disponibles en natif ou via des API au sein de la base de données.
Apportez l'IA à vos données d'entreprise : la recherche de similarité n'a jamais été aussi simple
-
Découvrez la puissance de la recherche vectorielle dans Oracle Database 26ai
Découvrez comment les incorporations vectorielles générées par l'IA permettent des recherches de similarité ultra-rapides à l'aide des données du Service des parcs nationaux des États-Unis.
-
L'IA pour la révolution des données
Oracle AI Database conçoit l'IA dans l'ensemble de la pile de données et de développement. Les entreprises peuvent ainsi fournir des informations fiables et basées sur l'IA, des innovations et une productivité pour toutes leurs données, en tout lieu.
-
Démonstration : Accélérer la recherche sémantique avec AI Vector Search
Découvrez comment AI Vector Search dans Oracle Database 26ai combine la recherche sémantique sur des données non structurées avec la recherche relationnelle sur des données commerciales traditionnelles pour des résultats plus rapides, plus pertinents et plus sécurisés.
« La technologie d'Oracle a contribué à révolutionner notre processus d'identification des maladies. Oracle AI Vector Search et Autonomous Database nous ont permis de réduire considérablement notre temps de diagnostic, d'améliorer notre précision et de fournir de meilleurs soins aux patients. »
Principales fonctionnalités d'Oracle AI Vector Search
Recherche vectorielle hybride unifiée
Combinez AI Vector Search avec des recherches relationnelles, textuelles, JSON, de graphes de connaissances et de localisation spatiale pour améliorer les résultats en se concentrant sur la signification complète de la requête d'un utilisateur lors de l'extraction de documents, d'images, de vidéos, d'audios et de données structurées correspondants.
Type de données vectorielles et génération de vecteurs flexibles
Utilisez le type de données VECTOR natif pour stocker les vecteurs dans les tables Oracle AI Database 26ai. Générez les vecteurs à l'aide des modèles d'intégration open source de votre choix avec le framework ONNX, des API de base de données pour générer des vecteurs à partir de votre fournisseur de modèle d'intégration préféré, ou importez des vecteurs directement dans la base de données.
Index vectoriels hybrides
Accélérez les recherches de similarités à l'aide d'index de recherche approximatifs très précis (index vectoriels), tels que l'index de graphe de voisin en mémoire pour des performances maximales et les index de partition de voisin pour des jeux de données volumineux. Utilisez des index vectoriels hybrides pour rechercher rapidement des combinaisons de données vectorielles et non vectorielles.
SQL standard simple pour l'interrogation des vecteurs
Utilisez du code SQL simple et intuitif pour effectuer une recherche de similarités sur les vecteurs et combinez librement des vecteurs avec des types de données relationnels, textuels, JSON et autres dans la même requête.
Spécification de précision de recherche simple
Prenez le contrôle total de la précision de recherche requise par votre application en spécifiant la précision cible sous forme de pourcentage simple. Définissez la précision par défaut lors de la création de l'index et remplacez-la dans les requêtes de recherche si nécessaire.
Optimisations d'Exadata
Accélérez la création et la recherche d'index vectoriels grâce aux optimisations d'Oracle Exadata System Software 25ai. Bénéficiez des performances, de l'évolutivité et de la disponibilité élevées qu'Exadata fournit aux bases de données d'entreprise.
Cas d'utilisation d'Oracle AI Vector Search
La recherche de similarité est axée sur la recherche de données connexes en fonction de sa signification sémantique. Les données non structurées sont difficiles à trouver directement, de sorte que la recherche de similarité va au-delà des simples recherches par mot-clé en tenant compte des données sous-jacentes de texte, d'image, d'audio ou de vidéo au lieu de rechercher uniquement les étiquettes appliquées manuellement.
La nécessité d'identifier une correspondance pour des données similaires dans des jeux de données volumineux s'applique à de nombreux secteurs. Voici quelques exemples de recherche de similarité :
- Recherche sémantique de documents
- Recherche sémantique d'images
- Systèmes de recommandation
- Reconnaissance des schémas
- Détection d'anomalies et de fraudes
- Données non structurées telles que fichiers, documents, BLOBS ou CLOBS.
- Utilisez des modèles d'intégration commerciaux ou open source pour créer des vecteurs à l'intérieur ou à l'extérieur d'Oracle Database.
- Les vecteurs peuvent être stockés à côté des données d'entreprise de sorte que lorsque les données changent, les vecteurs changent également.
- Vous pouvez rechercher les vecteurs les plus similaires.
- La recherche renvoie les données les plus pertinentes pour vous.
La RAG utilise les résultats de la recherche de similarité pour améliorer la précision et la pertinence contextuelle des réponses de grands modèles de langage aux questions sur les données commerciales. La RAG permet d'identifier les données privées pertinentes pour le contexte sur lesquelles le LLM n'a peut-être pas été entraîné, puis l'utilise pour augmenter les invites utilisateur afin que les LLM puissent répondre avec plus de précision.
Le désir d'obtenir des réponses de meilleure qualité des LLM est universel, couvrant de nombreux secteurs. Voici quelques exemples d'utilisation de RAG pour améliorer la précision :
- Chatbots pour les utilisateurs internes et externes
- Recherches et résumés de documents
- Synthèse de code
- Réponses aux questions qui nécessitent des connaissances spécialisées et spécifiques au domaine
La RAG aide les entreprises à fournir des réponses personnalisées aux questions commerciales sans le coût élevé du réentraînement ou du fine-tuning des LLM.
- Un chatbot permet de dialoguer avec un LLM.
- Exécutez une recherche de similarité sur vos données d'entreprise privées et transmettez ces faits au LLM.
- Les résultats sont formatés en tant qu'invite et contexte pour le LLM.
- Le LLM reçoit des données actualisées, réduisant ainsi le risque d'hallucinations.
- Des réponses de haute qualité sont renvoyées au chatbot.
« Nous sommes heureux qu'AI Vector Search ait été ajouté à Oracle Database. Nous apprécions de pouvoir exécuter AI Vector Search dans la même base de données Oracle Database que nos autres workloads, ce qui nous permet de fournir une solution fiable et sécurisée. »
Lancez-vous avec Oracle AI Database AI Vector Search
Andy Rivenes, chef de produit, OracleOracle a annoncé la disponibilité d'Oracle Database 23ai en mai 2024. Oracle AI Database s'ajoute aux plus de 300 nouvelles fonctionnalités disponibles dans Oracle Database 23ai. Il y a donc beaucoup à apprendre. Dominic Giles met en évidence plusieurs fonctionnalités majeures dans son billet de blog, mais l'une des nouvelles fonctionnalités les plus passionnantes d'Oracle AI Database est Oracle AI Vector Search.
Lire la suite de l'articleBlogs sur AI Vector Search
- 24 juin 2025 Instructions d'indexation avec AI Vector Search
- 28 mai 2025 Utilisation d'index vectoriels hybrides dans AI Vector Search
- 13 mai 2025 Nouvel atelier AI Vector Search LiveLabs disponible
- 2 avril 2025 Utilisation des index vectoriels de FIV dans AI Vector Search
- 18 mars 2025 Accélération de la recherche de vecteurs d'IA dans Oracle Database 23ai avec les GPU NVIDIA