Vektorová databáze
Speciální databáze, kde jsou data uložena jako vektory – AI v ní umí bleskově vyhledávat sémantické podobnosti (základ RAG systémů)
Co je vektorová databáze
Vektorová databáze je databáze, která ukládá data jako vektory, tedy jako číselné reprezentace jejich významu. Nehledá se v ní podle shody slov, ale podle podobnosti obsahu.
Jak se do ní dostane význam
Text nejdřív projde modelem, který ho převede na dlouhou řadu čísel. Každý dokument tím dostane souřadnice v prostoru o stovkách až tisících rozměrů. Věty s blízkým smyslem skončí blízko sebe, i když nemají společné jediné slovo: „vrácení zboží do 14 dnů“ a „reklamace“ leží kousek od sebe, přestože se na úrovni znaků neshodují nikde.
Co se stane s dotazem
Dotaz se převede úplně stejným postupem a databáze pak hledá nejbližší sousedy. Výsledkem není seznam přesných shod, ale žebříček podobnosti se skóre. Proto vektorová databáze ustojí překlepy, synonyma i otázku položenou jinak, než jak je odpověď napsaná.
K čemu je marketérovi
Je to technický základ RAG a firemních AI asistentů. Chatbot na e-shopu si v ní najde pasáž obchodních podmínek, která se dotazu opravdu týká, a teprve z ní staví odpověď. Bez toho by odpovídal z paměti modelu, což u ceníků a reklamačních lhůt dopadá špatně.
Používá se i na doporučování podobných produktů, párování dotazů na existující FAQ nebo hledání duplicit v obsahu. Z názvů narazíte na Pinecone, Weaviate, Qdrant nebo na rozšíření pgvector pro PostgreSQL. Stejný princip z pohledu vyhledávačů rozebírám u sémantického vyhledávání.
Sám vektorovou databázi neprovozuju, ale klientům, kteří chtějí AI chatbota, vysvětluju, že rozhoduje právě tahle vrstva. Nejde o to, jaký model si vyberou. Jde o to, jaké dokumenty do databáze nasypou a jak často je aktualizují. Starý ceník uvnitř znamená staré odpovědi navenek.