vector database

벡터 데이터베이스

vector database는 embedding 벡터를 저장하고 의미가 비슷한 항목을 빠르게 찾도록 설계된 데이터베이스다.

기사 2편최근 언급

vector database(벡터 데이터베이스)는 텍스트, 이미지, 음성 등을 수치 벡터로 바꾼 embedding(의미를 담은 숫자 배열)을 저장하고, 주어진 벡터와 가장 가까운 항목을 빠르게 찾는 데 특화된 데이터베이스다. 정확히 일치하는 값을 찾는 기존 데이터베이스와 달리 코사인 유사도 같은 거리 척도로 유사도 검색을 하며, 대규모 데이터에서는 근사 최근접 이웃(ANN) 색인을 써서 속도를 확보한다.

AI 분야에서는 RAG(검색 증강 생성)의 핵심 구성 요소로 쓰여, 질문과 관련된 문서를 찾아 LLM에 전달하는 역할을 한다. 의미 기반 검색, 추천, 중복 탐지에도 활용된다. Pinecone, Weaviate, Milvus, Chroma, Qdrant 같은 전용 제품과, pgvector처럼 기존 데이터베이스에 벡터 검색을 더하는 확장이 있다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • Claude 개발사 상장 조건과 $1,040억 손실로 보는 AI 거품 논쟁AI 뉴스 ·

    신경망, RAG(검색 결과를 생성에 결합하는 방식), vector database 같은 기술의 작동 원리와 회사의 재무 구조는 별개의 문제입니다.

    기사 읽기
  • 금융 딜 팀용 AI 분석가의 조건, 자기 메일함과 headless OfficeAI 창업 ·

    폭을 다루기 위해 Compound는 데이터 룸 전체를 vector database(의미 기반 검색용 저장소) 하나에 색인하는 대신, 사람 분석가 팀을 본뜬 agent swarm(여러 agent가 역할을 나눠 협업하는 구조)을 씁니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.