向量數(shù)據(jù)庫是什么，使用場景是什么？ 向量的可以通過一個名叫嵌入embedding的過程，把各種非結(jié)構(gòu)化數(shù)據(jù)表示出來，相當(dāng)于多維壓縮到低維，把特征向量抽象成一串串?dāng)?shù)字，讓AI大模型看得懂，而且都能用這些數(shù)值去做訓(xùn)練和推理。在機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)里，向量通常是一組數(shù)字。它們組成了一個多維的數(shù)值空間，向量的每個維度代表該空間的一個不同的特征或?qū)傩浴? 例如圖像中不同像素點的顏色值，或是文本中每個詞的出現(xiàn)頻率等。通過定義不同的特征和屬性，就可以把原始數(shù)據(jù)表示成多個維度的向量。這個表示方式有個很大的優(yōu)點，就是類似的內(nèi)容轉(zhuǎn)換成向量之后他們都會離得比較近。這樣就可以用余弦相似性（通過測量兩個向量的夾角的余弦值來度量他們之間的相似性。）、歐式距離（多維空間中兩個點之間的絕對距離。）這些方法來向量化向量的相似性。這樣就特別方便做推薦算法，因為你看了一個視頻之后，系統(tǒng)直接去找離這個視頻向量最近的另外一個向量就可以了。 那些搜同款、找類似圖片等等，其實也是差不多的原理，通過對向量進(jìn)行數(shù)學(xué)運算，就可以實現(xiàn)各種機(jī)器學(xué)習(xí)算法和數(shù)據(jù)分析技術(shù)。例如聚類、分類、回歸等等，這些都是計算機(jī)最擅長的，相當(dāng)于把那些對視頻圖片文字的操作，轉(zhuǎn)換成了數(shù)學(xué)運算和操作。有啥好處呢？當(dāng)然就是簡單、快、通用性強(qiáng)。理解了向量，向量數(shù)據(jù)庫就更好理解了，就是專門用來存儲和管理向量數(shù)據(jù)的……庫（專用于存儲和管理向量數(shù)據(jù)）。能對向量數(shù)據(jù)進(jìn)行高效的增刪改查。 對于AI大模型來說向量數(shù)據(jù)庫到底有什么作用呢？我總結(jié)了三點，分別是私域知識、本地存儲、長期記憶。私域知識是指可以把向量數(shù)據(jù)庫作為大模型的外掛知識庫。即使大模型沒學(xué)過這些知識也沒關(guān)系。直接沖向量數(shù)據(jù)庫里去檢索相應(yīng)地內(nèi)容就可以了。這種方法不需要重新訓(xùn)練，比常見的大模型微調(diào)地方法成本更低、速度更快。也能通過更新數(shù)據(jù)庫保證AI大模型知識的實時更新。本地存儲就是把數(shù)據(jù)存在本地，而不需要喂給大模型訓(xùn)練，特別是如果你有很多敏感地數(shù)據(jù)和信息。不想讓大模型學(xué)到，就可以通過向量數(shù)據(jù)庫完成。這也能從根本上協(xié)助解決大模型隱私泄露的問題。那么長期記憶呢是相比大模型的短期記憶來說的。大模型都有個上下文窗口，窗口大小由Token數(shù)量決定，它只能記住這個窗口中間的東西。有了向量數(shù)據(jù)庫就可以保存所有的聊天記錄，特別適合作為聊天機(jī)器人，面向多個用戶使用的時候，就可以把每個用戶的聊天內(nèi)容都存在向量數(shù)據(jù)庫里進(jìn)行查詢檢索，不會丟失上下文信息。 總之呢，向量數(shù)據(jù)庫補(bǔ)齊了很多AI大模型的短版，天然適合大語言模型的應(yīng)用場景。這個也是為什么人工智能爆發(fā)之后，也立刻帶飛了向量數(shù)據(jù)庫的原因。