大模型检索增强生成之向量数据库的问题

“ 向量数据库的核心在于向量相似度计算 ”

作为技术人员我想大家或多或少应该都接触过数据库技术，数据库技术的历史可以说是由来已久了；但数据库的发展也是一路曲折，特别是随着互联网体量的快速增加，对数据库的要求也变得越来越多。

而且为了适应各种不同的业务场景，数据库系统也是紧跟潮流发展出多种类型的数据库；比如说传统的关系型数据库，缓存数据库，以及大数据处理的数据库；直到今天的向量数据库。

关系型和缓存数据库就不用说了，今天我们就来聊聊向量数据库系统。‍‍‍

向量数据库

向量数据库，顾名思义就是以向量结构为主体的数据库；同样具备传统数据库的CRUD等功能。

但是，因为是以向量为主，而不是以传统的字符匹配为主；因此，向量数据库在使用的过程中就面临着很多之前没遇到的问题。‍‍‍‍‍‍‍‍‍‍‍‍

现如今向量数据库主要应用于与人工智能特别是大模型相关的技术领域，比如RAG技术，就是严重依赖于向量数据库。当然，向量数据库的应用场景远不止RAG一家，比如还有推荐系统，图像识别等多种不同的领域。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

向量数据库相对于传统数据库的优点在于，其可以通过对不同模态数据的向量化，计算数据之间的向量关系，以此来描述不同数据之间的“语义”相关性。‍

也就是说，向量数据库主要描述的不是字符之间的确定关系，而是从语义的角度来描述数据关系。而计算这种关系的算法叫做相似度计算，具体的有欧式距离，余弦相似度等算法。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

因此，向量数据库有两个重点，一个是数据向量化；二是向量相似度计算。在大模型技术领域，数据向量化也叫做嵌入，需要使用专门的嵌入模型对数据进行向量化处理。‍

对向量数据库来说，数据向量化解决的是数据从那来的问题，而向量相似度计算解决的是相似度搜索问题，也就是数据该怎么使用的问题。‍‍‍‍‍‍

数据向量化，也就是嵌入模型需要加载数据，并对数据进行切分，分词等操作；最后再进行向量化处理，也就是把不同模态的数据统一转化成向量的格式。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

至于相似度搜索问题，就是把你需要搜索的数据同样转化为向量格式，然后向量数据库引擎，把你的搜索向量与数据库中存在的向量进行匹配，这个就是相似度计算，也就做度量计算；比如欧式距离，余弦相似度，内积等。最后计算得到的结果就是搜索结果。

向量数据库的搜索问题与传统数据库的查询没有本质上的不同，区别就是传统数据库使用的是字符匹配的方式；而向量数据库使用的是相似度计算的方式。‍‍‍‍‍‍‍‍‍‍‍‍

但这里有一个问题就是，由于向量相似度需要大量的运算才能获得结果；因此，在面对大量向量数据时，搜索性能与搜索结果的准确性就需要做一个权衡。‍

还有一点就是，不同于传统的字符匹配的方式，一就是一，二就是二；向量相似度搜索是基于相似度计算得到的相似值；而不是绝对值，因此就存在搜索结果的不确定性。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

比如说，在具体的实践过程中，在一个向量化的四大名著之西游记的向量数据库中；输入林黛玉进行检索竟然可以检索到相似数据；而这在具体的应用场景中是不可接受的。

之所以能在西游记中搜索到与林黛玉有关的内容，原因就在于这个相似度计算；因为林黛玉是女的，西游记中也是女的；可能西游记和红楼梦中部分关于女性的描述，在向量层面是相似的，也就是相似度计算的值比较接近，最终才导致这种结果。‍‍‍‍‍‍‍‍‍‍‍‍

这就是向量相似度搜索的不确定性，但又很难完全避免；毕竟前面也说了，效率与准确率总要牺牲一个。‍‍‍‍‍‍‍‍

所以，基于向量数据库的检索结果，还需要在结果出来之后做一层到多层到数据筛选，才有可能完全获取想要的结果。‍‍‍‍‍‍‍‍

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云，朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉优快云大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）