vektoradatbázis
angolul: vector database
Olyan adatbázis, amely a szövegekből, képekből készített számsorokat tárolja, így nem szó szerinti egyezésre, hanem jelentésbeli hasonlóságra tud keresni.
Érthetően
Képzelj el egy könyvtárat, ahol a könyvek nem ábécérendben állnak, hanem téma szerint: a hasonló tartalmúak egymás mellett, a nagyon különbözőek messze egymástól. Ha keresel valamit, a könyvtáros nem a címet betűzi, hanem odavisz a megfelelő polchoz, és leveszi a legközelebbi köteteket. A vektoradatbázis ilyen könyvtár, csak a „polc helye” egy hosszú számsor.
Ezt a számsort hívják vektornak vagy beágyazásnak. Egy külön AI-modell készíti minden szövegrészletről, képről vagy hangfelvételről, és a tartalom jelentését sűríti bele. A „kutya” és az „eb” számsora közel kerül egymáshoz, pedig egyetlen közös betűjük sincs.
A hagyományos adatbázis pontos kérdésekre felel: mi a számla sorszáma, ki lakik ezen a címen. A vektoradatbázis arra, hogy „mi hasonlít ehhez a legjobban?”. Ezért tud egy chatbot a céged több ezer oldalas szabályzatából pont azt a bekezdést előkeresni, amelyik a kérdésedre válaszol.
A mai AI-rendszerekben leginkább a nyelvi modellek „külső memóriájaként” szolgál. Belőle keresi ki a modell vagy egy AI-agent a friss, saját vagy céges tudást, amelyet eredetileg nem tanult meg.
Hogyan működik
- Darabolás: a dokumentumokat kisebb, önmagukban is értelmes részletekre vágják, például bekezdésekre.
- Beágyazás: egy beágyazómodell minden részletből számsort készít, jellemzően több száz vagy néhány ezer számból, amely a részlet jelentését írja le.
- Indexelés: az adatbázis úgy rendezi el a számsorokat, hogy a hasonlók gyorsan megtalálhatók legyenek, és ne kelljen minden kérdésnél az összeset végignézni.
- Keresés: a kérdésedből ugyanaz a modell számsort készít, az adatbázis pedig visszaadja a hozzá legközelebb eső néhány részletet. Ez többnyire közelítő keresés: nagyon gyors, de nem garantáltan a legjobb találatot hozza.
- Felhasználás: a találatokat megkapja a nyelvi modell vagy az agent, és ezek alapján fogalmazza meg a választ, gyakran a forrás megjelölésével.
Példa a mindennapokból
Beírod a bankod vagy a szolgáltatód csevegőablakába, hogy „elhagytam a kártyámat, mit csináljak?”, és megkapod a kártyaletiltásról szóló tájékoztató megfelelő részét, pedig a „letiltás” szót le sem írtad. A háttérben jó eséllyel egy vektoradatbázis kereste ki a kérdésedhez jelentésben legközelebb álló szöveget.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- A hasonló nem ugyanaz, mint a helyes: a rendszer visszaadhat témába vágó, de elavult vagy a kérdésedre nem válaszoló szöveget is.
- Pontos adatoknál, például cikkszámnál, névnél vagy dátumnál gyakran gyengébb a hagyományos kulcsszavas keresésnél, ezért a kettőt sokszor kombinálják.
- A számsorokká alakított szöveg is érzékeny adat: részben visszakövetkeztethető belőle az eredeti tartalom, ezért ugyanúgy védeni kell.
- Ha lecserélik a beágyazómodellt, az egész állományt újra kell számolni, mert a különböző modellek számsorai nem összevethetők.
Hasonló, de nem ugyanaz
- relációs adatbázis – Az táblázatokban tárol, és pontos egyezésre keres, a vektoradatbázis jelentésbeli közelségre. Ma már sok relációs adatbázis is tud vektoros keresést.
- beágyazás – A beágyazás maga a számsor, amely a tartalmat leírja; a vektoradatbázis az a rendszer, amely ezeket tárolja és keresi.
- RAG (visszakereséssel bővített generálás) – A RAG a teljes módszer, amelyben a modell keresés után válaszol; a vektoradatbázis ennek csak a kereső része lehet, és a RAG más keresővel, például kulcsszavassal is működik.
Kapcsolódó fogalmak
adatbázis, AI-infrastruktúra, információ-visszakeresés
vektorindex, közelítő legközelebbi szomszéd keresés, hibrid keresés
beágyazás, szemantikus keresés, RAG, agentmemória, tudásgráf
Röviden a története
A hasonlóság szerinti keresés régi kutatási terület; fontos mérföldkő volt, amikor a Facebook kutatói 2017-ben közzétették a FAISS nevű nyílt forráskódú keresőkönyvtárat. Önálló termékkategóriaként a vektoradatbázis a ChatGPT 2022 végi megjelenése utáni években vált széles körben ismertté, amikor a nyelvi modelleket tömegesen kezdték saját dokumentumokkal összekötni.
Hol tart most
2026 végére a céges AI-rendszerek megszokott építőeleme, és a vektoros keresés a hagyományos adatbázisokba és a felhőszolgáltatásokba is beépült. A külön erre szakosodott termékek mellett ezért egyre gyakrabban egy meglévő adatbázis kiegészítő képességeként találkozol vele.
Más nevei
vektoradatbázis · vektor-adatbázis · vektoros adatbázis · vektortár · vector database · vector DB · vector store · vektoros keresőmotor
Források
- Wikipedia: Vector database
- Johnson, Douze, Jégou: Billion-scale similarity search with GPUs (2017, a FAISS eredeti tanulmánya)
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.