Oracle AI Vector Searchの機能
全般
Vectorデータ型
Oracle AI Database 26aiでは、新しいネイティブVECTORデータ型を使用して、表内にベクトルを直接格納できます。ディメンション数と書式が異なるベクトルのサポートは、選択したベクトル埋込みモデルを使用して、アプリケーションの開発およびデプロイメントを簡素化できることを意味します。
柔軟なベクトル生成
ONNXフレームワークを使用して、選択した埋込みモデルをインポートし、そのモデルを使用してデータのベクトルを生成するか、データベースAPIを使用して、NVIDIA NIMコンテナを含む優先埋込みサービスからベクトルを生成します。また、ベクトルをデータベースに直接インポートすることもできます。
データベース内のベクトル生成のためのONNX形式での事前トレーニング済モデルのインポート
ベクトルをクエリするためのシンプルな標準SQL
シンプルで直感的なSQLを使用して、ベクトルに対して類似検索を実行し、同じクエリ内でベクトルをリレーショナル、テキスト、JSON、その他のデータ型と自由に組み合わせることができます。
AIベクトル・データとビジネス・データのシームレスな組合せ
シンプルで直感的なSQLとコンバージド・データベース(JSON、グラフ、テキスト、リレーショナル、空間など)のフルパワーを使用して、高度なビジネス・データ検索をAIベクトル類似検索と組み合わせることができます。
ベクトル索引
高精度かつ高パフォーマンスのインメモリ近傍グラフ索引や大規模データセット向けの近傍パーティション索引などのベクトル索引を活用することで、類似性検索を高速化できます。
ハイブリッド・ベクトル索引
全文検索とセマンティック・ベクトル検索の組合せを使用してドキュメントに索引付けおよび問合せを行い、全体的な検索エクスペリエンスを向上させ、ユーザーにより正確な情報を提供します。
シンプルなターゲット精度の指定
詳細アルゴリズム・パラメータを指定するのではなく、ターゲット検索精度を単純パーセントで指定します。索引の作成時にデフォルトの精度を定義し、必要に応じて検索クエリで上書きできます。
パワー検索拡張生成
類似性検索とビジネス・データ検索を組み合せてレスポンスの精度を向上させるために、コンテキスト固有のプライベート・データを提供することで、大規模言語モデル(LLM)のインタラクションを強化します。セキュリティ・フィルタ、ビジネス・メトリック、ビジネス・ルールなどの組込みビジネス基準を使用して、取得拡張生成(RAG)をさらに強化します。
業界をリードするセキュリティ
Oracle AI Veector Search は、オラクルの業界をリードするデータベースセキュリティ機能とシームレスに統合し、リスクを軽減し、コンプライアンスを簡素化します。暗号化、データ・マスキング、特権ユーザー・アクセス制御、アクティビティ・モニタリング、監査などの堅牢なツールを活用することで、組織は高度なAI検索機能を最大限に活用しながらデータを保護できます。
完全な生成AIパイプラインのサポート
ネイティブ・データベースAPIを使用して生成AIパイプラインのあらゆる側面をエンドツーエンドで実行することで、開発者は、すべてデータベース内から直接、ビジネス・データを使用して次世代のAIアプリケーションを簡単に構築できます。
Oracle AI Vector SearchとLlamaIndexの統合
完全な機械学習スイートによるAIベクトル検索
機械学習アクション(意思決定、予測、分類、予測など)とAIベースのベクトル検索のパワーを組み合わせて、幅広いAIユース・ケースを処理します。たとえば、同じSQL問合せ内で推論と分類をOracle AI Vector Searchと簡単に組み合せることができます。
Exadataの最適化
Exadata System Software 24aiの最適化により、ベクトル索引の作成と検索を高速化します。Exadataがエンタープライズ・データベースに提供する、優れたパフォーマンス、スケーラビリティ、可用性のメリットを得ることができます。
Elastic Vector Memory
HNSW (Hierarchical navigable small world) ベクトル・インデックスはデータベース・メモリに存在します。HNSW索引の作成は、HNSW索引を収容するために十分なサイズ設定されているメモリーに依存します。基礎となる実表に対する後続の変更によって、HNSW索引のサイズを変更できます。Elastic Vector Memoryを使用すると、すべてのHNSW索引が動的に収まるようにデータベース・メモリーのサイズが自動的に変更されます。
カスタム・ベクトル距離関数
ベクター検索運用は、ユークリッド、コサイン、ドット積などの標準的な距離メトリックに基づくことがよくあります。ただし、場合によっては、ドメイン固有のメトリックまたは独自のメトリックが必要です。ユーザー定義のベクトル距離関数を使用すると、ユーザーは独自のカスタム・メトリックを作成できます。
スパース・ベクトルのサポート
疎ベクトルとは、通常多くのディメンションを持つベクトルですが、それらのディメンションのうち、ゼロでない値を持つものはわずかです。疎ベクトルは非ゼロ値のみを格納するため、使用することで効率の向上とストレージスペースの削減につながります。PL/SQLのネイティブなサポートにより、PL/SQL内からスパース・ベクトルを直接作成し、使用することができます。SPARSEベクトルは、Hierarchical Navigable Small World（HNSW）ベクトル索引を使用してインデックスを付けることもできます。これにより、速度、精度、スペース最適化というすべてのメリットが1つのユニットに結合されます。