在近期結(jié)束的機器之心 AI 技術論壇上，一場以向量數(shù)據(jù)庫為主角的主題論壇引發(fā)業(yè)內(nèi)廣泛關注。該論壇不僅罕見地匯集了國內(nèi)向量數(shù)據(jù)庫賽道內(nèi)的各式公司，更是邀請到行業(yè)巨頭 Zilliz 參會。
現(xiàn)場，Zilliz 合伙人、技術總監(jiān)欒小凡進行了一次揭秘式的前沿思考，為業(yè)界各開發(fā)者提供了不同于以往的參考。
欒小凡表示，海量非結(jié)構(gòu)化數(shù)據(jù)檢索面臨以下挑戰(zhàn)：
非結(jié)構(gòu)化數(shù)據(jù)的理解成本更高，基于規(guī)則的處理方案難以適應;
海量非結(jié)構(gòu)化數(shù)據(jù)的處理性能和成本越來越關鍵;
不同于傳統(tǒng)數(shù)據(jù)處理，非結(jié)構(gòu)數(shù)據(jù)缺乏好的工具，如 ETL、數(shù)據(jù)庫、數(shù)倉
而處理非結(jié)構(gòu)化數(shù)據(jù)的核心是概率。欒小凡解釋道，非結(jié)構(gòu)化的處理是相似度，NLP 中根據(jù)上下文推斷可能性，圖像處理關注像素的相似度;而相似度的核心是概率，理解概率的本質(zhì)是基于大量數(shù)據(jù)進行 Pretrain 和 Finetune。
隨后，欒小凡進一步解釋了概率對于檢索意味著什么。他表示，搜索和生成是一體兩面，搜索是選擇題，生成是填空題，本質(zhì)都是概率問題。那么，概率對于檢索意味著什么?想要做對搜索，本質(zhì)需要挖掘兩種信息：領域內(nèi)知識和領域外知識。領域外知識見得越多，泛化能力越強，領域內(nèi)知識見得越大，生成越精確。因為 Pretrain+Finetune 成為了搜索和生成共同的煩事。而搜索的特殊性在于，因為知道答案范圍，所以可以利用概率提前構(gòu)建范圍，本質(zhì)是利用 Corpus 的相似性概率。
接下來，欒小凡著重介紹了從概率 1.0 時代到 3.0 時代的主流算法變化，包括 TF-IDF、Word2Vec、BERT 等。在此過程中，向量數(shù)據(jù)庫的出現(xiàn)，極大地加速了稠密向量查詢性能，使得在生產(chǎn)中落地向量檢索成為了可能。從業(yè)務效果角度來看，盡管單純的向量檢索要強于單純的關鍵詞打分，然而這并非最優(yōu)實現(xiàn)。選擇向量檢索只是由于 cross encoder 等算法代價過高的無奈折中之舉。欒小凡強調(diào)，向量檢索不應該只是簡單傳統(tǒng)數(shù)據(jù)庫 + 向量檢索 Library，隨著場景的不斷發(fā)展，向量數(shù)據(jù)庫應該從單純的數(shù)學 recall 轉(zhuǎn)向更加復雜的業(yè)務 recall。
在此背景下，向量數(shù)據(jù)庫未來發(fā)展的一個重要趨勢是【由數(shù)據(jù)庫向服務轉(zhuǎn)變】，具體體現(xiàn)在以下六個方面：
關注擴展性，更關注彈性
多云、多機房、異地多活
不僅支持實時寫入，更能做到離在線一體化
開箱即用的 Pipeline 服務
向量數(shù)據(jù)湖與離線分析
關注向量數(shù)據(jù)的安全與合規(guī)
目前，Zilliz 正延續(xù)上述方向在產(chǎn)品上不斷升級打磨，其產(chǎn)品 Zilliz Cloud 提供開箱即用的全托管向量檢索服務，已覆蓋全球主流的云平臺，包括 AWS、GCP、Azure、阿里云、金山云。近期，Zilliz Cloud 更是上線了 Pipeline，為用戶實現(xiàn) RAG 奠定了堅實的基礎。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
