AI Vector Search
Oracle AI Vector Searchは、人工知能(AI)ワークロード用に設計されており、キーワードではなくセマンティクスに基づいてデータを問い合せることができます。
Vectorデータ型
この機能には、データベース内のベクトル類似性検索を可能にする、組込みのVECTORデータ型が用意されています。
VECTORデータ型が組み込まれているため、ビジネス・データを別のベクトル・データベースに移動するのではなく、データベース内でAIを利用したベクトル類似性検索を実行できます。データの移動を回避することで、複雑さを軽減し、セキュリティを向上させ、現在のデータを検索できます。また、シンプルで直感的なSQLとコンバージド・データベース(JSON、グラフ、テキスト、空間、リレーショナルおよびベクター)のフルパワーを使用して、高度なビジネス・データ検索をAIベクトル類似性検索と組み合せることで、Oracle AI Vector Searchでさらに強力な検索を、単一の問合せで実行することもできます。
ドキュメントの表示に関する項
ベクトル索引
ベクトル索引は、高次元のベクトル・データを効率的に格納および検索するために使用される、特殊な索引付けデータ構造のクラスです。ベクトル索引は、類似する項目(類似度が2つのベクトル間の距離によって定義される)がグループ化されるようにベクトル・データを整理し、検索プロセスを非常に効率的にします。従来のデータベース索引とは異なり、ベクトル索引は、大規模なデータセットで一般的に使用され、アプリケーションの要件に応じて問合せの精度と問合せのパフォーマンスをトレードオフできる近似検索を実行します。
この機能により、AIドリブン・アプリケーションの類似性検索の効率化と問合せパフォーマンスの高速化が可能になります。さらに、ベクトル索引のスケーラビリティと高次元データのサポートにより、分析インサイトを向上させ、情報に基づいた意思決定と競争上の優位性をもたらすことができます。
ドキュメントの表示に関する項
AI Vector Search: SQL実行
AI Vector SearchのSQL実行では、データベース内のベクトル列に構築されたベクトル索引のSQL実行サポートが追加されます。また、ベクトル型に関連するSQL関数のサポートを提供し、パーティションのSQL問合せで行レベル制限機能を使用できます。
この機能により、ベクトル・データ型でより簡単に構築できるため、AI主導のアプリケーションを迅速に開発できます。
ドキュメントの表示に関する項
ベクトル・ユーティリティAPI
ベクトル・ユーティリティAPIは、ベクトル索引で使用する埋込みの生成に備えて、テキストをピース(チャンク)に処理するSQL関数VECTOR_CHUNKS
を提供します。APIは、チャンクのサイズおよびチャンクの分割ルールの観点で構成できます。
独自のチャンク・アルゴリズムを作成することは可能ですが、この機能を使用して時間を節約し、事前にパッケージ化されたSQL関数を使用した迅速な開発を支援できます。
ドキュメントの表示に関する項
ベクトル用のチェーン可能ユーティリティ関数
DBMS_VECTORは、ベクトル索引を作成するためのテキストを処理するためのユーティリティ関数のセットを提供します。これらの関数は、ある関数の出力を次の関数の入力として使用するように連鎖できます。
この機能により、PDFドキュメントやVARCHAR2データベース・フィールドなどのテキスト・コンテンツをベクトル索引に必要な埋込みに変換するための、簡単で非常にカスタマイズ性の高い方法が提供されます。この機能により、ベクトルを使用してシームレスに開発できるため、次世代の人工知能アプリケーションを簡単に作成できます。
ドキュメントの表示に関する項
ファーストクラスのデータベース・オブジェクトとしてのONNX形式モデルのサポート
Open Neural Network Exchange (ONNX)は、機械学習モデルを表すオープン・フォーマットです。システム間のモデルの交換に対応しており、スコアリング/推論にモデルを使用できるONNXランタイム環境でサポートされています。
機械学習技術の分類、回帰、クラスタリングおよび埋込みのために、ONNX形式のモデルをOracle Databaseにインポートできます。
モデルは、スキーマ内でファーストクラスのMINING MODELオブジェクトとしてインポートされます。推論は、PREDICTION、CLUSTER、VECTOR_EMBEDDINGなどのOMLスコアリング演算子ファミリを使用して実行できます。
サードパーティのMLモデル(他の環境または他のソースから構築された可能性がある)をインポートして使用し、データベースをMLスコアリング・プラットフォームとして活用できます。
ユーザーは、ネイティブのデータベース内モデルと同じスコアリング演算子を使用して、SQL問合せからこれらのモデルを起動できます。
ONNX形式のモデルはAutonomous DatabaseサーバーレスのOMLサービスにすでにインポートできますが、Oracle DatabaseからONNX形式のモデルを使用できるようになりました。
ドキュメントの表示に関する項
AI Vector Search: オプティマイザ
この機能により、全表スキャンを実行するのではなく、新しいVectorデータ型で構築された索引を使用するようオプティマイザがサポートされます。
オプティマイザで使用されるベクトル索引のサポートにより、ベクトル問合せを効率的に計算できるため、開発者は次世代のAI搭載ソリューションを構築できます。
ドキュメントの表示に関する項
AI Vector Search: PL/SQL
この機能により、新しいベクトル型がPL/SQL型システムに追加され、ベクトルのセットで類似性検索を実行する際に役立つ一連のベクトル操作が追加されます。
PL/SQLでの新しいベクトル・データ型のサポートにより、開発者が堅牢で効率的なAIドリブン・アプリケーションを構築するための新たな可能性が生まれます。
ドキュメントの表示に関する項
JDBCでのベクトル・データ型のサポート
SQLType、DatabaseMetaData、ResultSetMetaDataおよびParameterMetaData、VectorMetaData、PreparedStatementおよびCallableStatementを使用したJavaからSQLへの変換、CallableStatementを使用したSQLからJavaへの変換、CallableStatmentおよびResultSetを使用したSQLからJavaへの変換、VECTOR Datumクラスなどの、AI Vector Searchデータ型をサポートするために必要なコンポーネントがこの機能によってJDBCドライバに追加されます。
Vectorデータ型のJDBCサポートにより、開発者は人工知能に重点を置いて、堅牢でスケーラブルで高パフォーマンスのJavaアプリケーションを構築できます。
ドキュメントの表示に関する項
ベクトル型に対するOracle Call Interfaceのサポート
Oracle Call Interface (OCI)では、Vectorデータ型がサポートされるようになりました。OCIを使用するアプリケーションは、Oracle Databaseの新しいVectorデータ型を利用できるようになりました。
この機能により、OCIベースのアプリケーションを介してOracle Databaseの機能を最大限に活用し、次世代のAI搭載ソリューションを作成できます。
ドキュメントの表示に関する項
JSONタイプ(OSON)でのVectorデータ型のサポート
この機能により、新しいVectorデータ型が含まれるように、標準のJSONスカラー型が拡張されます。すべてのOracle JSON構造体で完全にサポートされており、ベクトル・スカラーJSON値はJSON配列の数値に置き換えることができ、その逆も可能です。
JSONタイプ・データへのベクトル値の埋込みは、SQL値とJSON値の間の相互運用性のために重要です。たとえば、VECTOR列を含む表をJSONデータに公開すると、データ型情報が失われることなく、開発者は次世代のAIアプリケーションを作成できます。
ドキュメントの表示に関する項