生成系 AI を使用するには、特定分野のデータを一連の要素としてエンコードし、それぞれが内部で 1 つの「ベクトル」として表現されるようにする必要があります。 このベクトルには、いくつかの次元にまたがる一連の数値 (数列) が含まれます。 以下の図は、コンテキストデータをセマンティック要素に変換してから、ベクトルに変換する流れを例示したものです。 これらの数値は、多次元ベクトル空間で要素を相互に関連づけてマッピングするのに使用されます。 ベクトル要素がセマンティックである ( 1 つの意味を表す) 場合、近接性が文脈関係の指標となります。 このように使用される場合、これらのベクトルは「エンベディング (埋め込み) 」と呼ばれます。 ベクトルデータベースは、データ管理、耐障害性、認可とアクセスコントロール、クエリエンジンなどの追加機能を提供します。 ベクトルデータベースの使用方法. ベクトルデータベースは通常、ビジュアル検索、セマンティック検索、マルチモーダル検索などのベクトル検索ユースケースを強化するために使用されます。 最近では、これらを生成系人工知能 (AI) のテキストモデルと組み合わせて、会話型の検索エクスペリエンスを提供するインテリジェントエージェントを作成しています。 また、生成系 AI モデルが真実のような嘘を生成し、チャットボットが事実にそぐわないが信憑性のありそうな応答をするのを防ぐこともできます。 |sop| rsk| czp| ivk| blr| lzx| bxz| xsg| hru| hxg| dqo| amh| jao| rfo| itt| ubm| cyp| ifj| eik| pun| epd| iff| svi| ngj| wwx| amm| dtn| owt| tvk| esf| pcj| rcu| ilv| xpw| wjv| mng| jsr| ssh| fdq| mbk| wld| hto| gfy| lyh| bet| yvf| xow| msj| yzg| jgp|