這一刻終於到來了 人工智能已向左移。 曾經建置過且經常被困在整個企業的資料科學和機器學習團隊中的內容，現在可供各地的建置人員使用。 但若要充分利用這些新工具的強大功能，您需要在可靠、可組合且優雅的資料平台之上進行建置。 與此同時，正如我們所看到的，這些新功能僅與他們可以訪問的數據或「地面真相」一樣好。 這就是為什麼我們很高興能夠在 MongoDB Atlas 開發人員資料平台中加入另一項功能，以充分發揮資料和動力 AI 應用程式的全部潛力。 今天，MongoDB 很高興宣布我們令人興奮的新 Vector Search 功能旨在滿足各種形式的數據需求，並允許我們的合作夥伴利用這些令人難以置信的新功能。
什麼是向量搜索？
對於那些不熟悉的人來說，Vector Search 是一種功能，可讓您根據語意或資料的意義來查詢資料，而不是資料本身。 通過能夠以數字方式表示任何形式的數據作為向量，然後可以通過算法彼此進行比較，從而使其成為可能。 第一步是獲取源數據-文本，音頻，圖像或視頻-並使用「編碼模型」將其轉換為「矢量」或「嵌入」。 隨著人工智能的最新進展，這些向量現在能夠通過將較低的維度數據投影到包含更多有關數據上下文的更高維度空間中來更好地捕獲數據的含義。 將這些資料轉換成這些數值表示之後，您可以使用近似最近的鄰近演算法來查詢以尋找類似的值，該演算法可讓您的查詢非常快速地找到具有類似向量的資料。 這使您能夠滿足諸如「給我感到悲傷的電影」或「給我看起來像... 的圖像」之類的查詢。此功能可以解鎖全新的功能類別。
它與我們的平台有什麼關係？
透過 MongoDB Atlas 原生內建的這項功能，您不需要複製和轉換資料、學習一些新的堆疊和語法，或管理全新的基礎結構集。 借助 MongoDB 的 Atlas Vector 搜索，您可以在世界級且經過實戰測試的平台中使用這些強大的新功能，從而更快地構建應用程序。 利用 AI 和向量搜尋所帶來的許多挑戰，都源於安全且安全地公開應用程式資料所涉及的複雜性。 這些工作增加了開發人員體驗的摩擦層，讓您的應用程式更難以建置、偵錯和維護。 MongoDB 消除了這些挑戰，同時將 Vector Search 的強大功能帶到有機地垂直和水平擴展的平台上，以支持幾乎任何您拋出的工作負載。 最後，如果不保證安全性和可用性，這一切都不重要，MongoDB 致力於安全的數據管理解決方案以及通過冗餘和自動故障轉移的高可用性，有助於確保您的應用程序永遠不會錯過任何一個節奏。
它如何與生態系統互動？
隨著人工智能暴露的原始能力，它從來沒有更重要的是有堅實的抽象的能力，為開發人員提供他們需要的靈活性。 考慮到這一點，我們很高興與大家分享，我們在 LangChain 和 Llamaindex 中支持多種功能，從向量搜索支持到聊天記錄和文檔索引。 我們在這裡快速發展，並將繼續為頂級供應商發布新功能。
包裹起來
我們今天宣布公開預覽中的向量搜尋，我們期待在 MongoDB.Local London 上發佈其他令人興奮的公告，因為我們發展此解決方案並儘快獲得一般可用性。 我們還將研究更多的框架和插件架構，我們可以支持。 但與往常一樣，這個方程最重要的部分是你，開發人員。 我們將與社區交談並找到最佳為您服務的方法，並確保在過程中的每一步都能滿足您的需求。 走出去建造！
若要進一步了解 Atlas Vector Search 以及這是否適合您的解決方案，請參閱我們的文件、白皮書和教學課程，或立即開始使用。