最近一年,以 ChatGPT、LLaMA 为代表的大语言模型的兴起,将向量数据库的发展推向了新的高度。
向量数据库是一种在机器学习和人工智能领域日益流行的新型数据库,它能够帮助支持基于神经网络而不是关键字的新型搜索引擎。向量数据库不同于传统的关系型数据库,例如 PostgreSQL,其最初设计用于以行和列的形式存储表格数据。它也明显不同于较新的 NoSQL 数据库,例如 MongoDB,其主要是将数据存储在 JSON 文档中。
向量数据库是为存储和检索一种特定类型的数据而设计的:向量嵌入。它们本质上是机器学习过程的推理部分中运行新数据的过滤器。
在大模型部署中,向量数据库可用于存储大模型训练产生的向量嵌入。通过存储代表大模型广泛训练的潜在数十亿个向量嵌入,向量数据库执行最重要的相似性搜索,找到用户提示(他或她提出的问题)和特定向量嵌入之间的最佳匹配。
虽然目前业内很多关系型和非关系型数据库已被修改为存储向量嵌入,但它们最初都不是为了存储和提供此类数据而设计的。那么,原生地支持向量嵌入地向量数据库的内核是如何设计的,这类向量数据库与其他插件版向量数据库的区别是什么?向量数据库的研发过程中有哪些技术难题?带着这些问题,我们邀请到了北京阿哇科技的创始人李洁,与他一起探讨向量数据库内核面临的技术挑战及应对措施。