Recursos do Oracle AI Vector Search
Geral
Tipo de dados vetoriais
Com o Oracle AI Database 26ai, você pode usar o novo tipo de dados vetoriais nativos para armazenar vetores diretamente nas tabelas. O suporte para vetores com diferentes contagens de dimensões e formatos significa que você pode usar o modelo de incorporação de vetores de sua escolha para simplificar o desenvolvimento e a implementação de aplicações.
Crie tabelas usando o tipo de dados VECTOR
Geração de vetores flexíveis
Use o framework ONNX para importar os modelos de incorporação de sua escolha e usá-los para gerar vetores para seus dados ou usar APIs de banco de dados para gerar vetores de seu serviço de incorporação preferido, incluindo contêineres NVIDIA NIM. Você também tem a opção de importar vetores diretamente para o banco de dados.
Importe modelos pré-treinados no formato ONNX para geração de vetores no banco de dados
SQL padrão simples para consultar vetores
Use SQL simples e intuitivo para executar pesquisas de similaridade e combinar vetores livremente com dados relacionais, de texto, JSON e outros tipos na mesma consulta.
Use funções SQL para operações vetoriais
Combinação perfeita de dados vetoriais de IA com dados comerciais
Combine pesquisa sofisticada de dados corporativos com pesquisa de similaridade vetorial de IA usando SQL simples e intuitivo e todo o poder de um banco de dados convergente — JSON, gráfico, texto, relacional, espacial e muito mais — tudo em uma única consulta.
Compatibilidade JSON com o tipo de dados VECTOR
Índices vetoriais
Acelere pesquisas de similaridade usando índices de pesquisa aproximados altamente precisos (índices vetoriais), como o índice de gráfico vizinho na memória para desempenho máximo e índices de partição para conjuntos de dados massivos.
Gerencie as diferentes categorias de índices vetoriais
Índices vetoriais híbridos
Indexe e consulte documentos usando uma combinação de pesquisa de texto completo e pesquisa vetorial semântica para melhorar a experiência geral e fornecer aos usuários informações mais precisas.
Gerencie índices de vetores híbridos
Especificação de precisão de pesquisa simples
Especifique o grau de precisão da pesquisa de destino como uma porcentagem simples em vez de especificar parâmetros algorítmicos avançados. Defina a precisão padrão durante a criação do índice e substitua nas consultas de pesquisa, se necessário.
Determine a precisão dos índices vetoriais
Potencializando a geração aumentada de recuperação
Aprimore as interações do grande modelo de linguagem (LLM) ao fornecer dados privados específicos do contexto para melhorar a precisão das respostas por meio de uma combinação de pesquisa de similaridade e de dados corporativos. Enriqueça ainda mais a geração aumentada de recuperação (RAG) usando critérios integrados, como filtros de segurança, métricas e regras de negócios.
Use a geração aumentada de recuperação para complementar os LLMs
Segurança líder na indústria
O Oracle AI Vector Search integra-se perfeitamente aos recursos de segurança de banco de dados líderes do setor da Oracle para reduzir riscos e simplificar a conformidade. Ao aproveitar ferramentas robustas, como criptografia, mascaramento de dados, controles de acesso de usuários privilegiados, monitoramento de atividades e auditoria, as organizações podem proteger seus dados enquanto aproveitam ao máximo os recursos avançados de pesquisa de IA.
Suporte para um pipeline de IA generativa completo
Execute todos os aspectos do pipeline de IA generativa usando APIs de banco de dados nativas de ponta a ponta, facilitando para os desenvolvedores criarem aplicações de IA de última geração usando seus dados comerciais, tudo diretamente do banco de dados.
Integração do Oracle AI Vector Search com LlamaIndex
AI Vector Search com um c onjunto completo de machine learning
Lide com uma ampla variedade de casos de uso de IA envolvendo ações de machine learning (decisões, previsões, classificações, projeções e assim por diante) combinadas com o poder da pesquisa vetorial baseada em IA. Por exemplo, é fácil combinar inferência e classificação com o Oracle AI Vector Search na mesma consulta SQL.
Otimizações do Exadata
Acelere a criação e pesquisa de índices vetoriais, começando com otimizações do Exadata System Software 24ai. Obtenha o alto desempenho, escala e disponibilidade que o Exadata fornece aos bancos de dados corporativos.
Elastic Vector Memory
Os índices vetoriais HNSW residem na memória do banco de dados. A sua criação depende do tamanho adequado da memória para acomodá-lo, e alterações subsequentes na tabela base subjacente podem alterar o seu tamanho. Com o Elastic Vector Memory, a memória do banco de dados é redimensionada automaticamente para acomodar todos os índices HNSW de modo dinâmico.
Saiba mais sobre o Elastic Vector Memory
Funções de distância vetorial personalizadas
As operações de pesquisa vetorial geralmente são baseadas em métricas de distância padrão, como euclidiana, similaridade por cosseno, produto escalar, etc. No entanto, em algumas situações, métricas proprietárias ou específicas do domínio são necessárias. As funções de distância vetorial definidas pelo usuário permitem que eles criem suas próprias métricas personalizadas.
Saiba mais sobre funções de distância vetorial personalizadas
Suporte para vetores esparsos
Os vetores esparsos são vetores que normalmente têm um grande número de dimensões, mas apenas algumas delas têm valores diferentes de zero. Como os vetores esparsos armazenam apenas valores diferentes de zero, seu uso pode melhorar a eficiência e economizar espaço de armazenamento. O suporte nativo em PL/SQL permite que vetores esparsos sejam criados e usados diretamente no PL/SQL. Os vetores esparsos também podem ser indexados usando índices vetoriais de pequeno mundo navegável hierárquico (HNSW), fornecendo todos os benefícios de velocidade, precisão e otimização de espaço combinados em uma unidade.