2023-05-09AI行业专题报告：向量数据库，AI时代的Killer App
输入“/”快速插入内容
2023-05-09AI行业专题报告：向量数据库，AI时代的Killer App
2023-05-09AI行业专题报告：向量数据库，AI时代的Killer App
用户1861用户18612023年9月26日修改
AI行业专题报告：向量数据库，AI时代的Killer App
（报告出品方/作者：东北证券，黄净、吴雨萌）
1. 向量数据库是什么：存储向量的数据库
1.1. 向量：AI 的核心
AI 的全流程其实都是围绕着向量的数学运算。向量在人工智能（AI）中扮演着非 常重要的角色，尤其在机器学习和深度学习领域。以下是向量与 AI 的一些关系（来 自 OpenAI）：
1、 数据表示：在机器学习和深度学习中，数据通常以向量形式表示。例如，图像 可以表示为像素值的向量，文本可以表示为词向量或句子向量；
2、 词嵌入：在自然语言处理（NLP）中，词嵌入技术（如 Word2Vec，GloVe 和 BERT） 将词语转换为多维向量，这有助于捕捉词语之间的语义关系。这些向量表示可 用于文本分类、情感分析、机器翻译等任务；
3、 神经网络权重：在深度学习中，神经网络的权重和偏置通常以向量和矩阵的形 式存储。在训练过程中，优化算法（如梯度下降）会不断更新这些权重向量， 以最小化损失函数；
4、 向量运算：许多机器学习算法，如支持向量机（SVM）、K-近邻（KNN）和主 成分分析（PCA）等，都涉及到向量间的距离计算、内积计算或其他向量运算。 这些运算有助于找到数据中的模式或者对数据进行分类；
5、 优化和梯度：在机器学习和深度学习中，优化算法（如梯度下降和 Adam）通常 使用梯度（一种向量），来更新模型参数，从而找到损失函数的最小值。这有助 于改进模型的性能；
6、 强化学习：在强化学习中，智能体使用向量表示状态和动作。例如，Q 学习和 深度 Q 网络（DQN）中的 Q 值函数会输出一个动作向量，智能体根据这个向量 选择最佳动作。 总之，向量对于 AI 至关重要。无论是之前的 CNN、RNN 模型还是当前火热的 Transformer，内部的数据流转其实都是向量的处理和变化。而高维空间向量所隐含 的海量信息也造就了 AI 应用的非凡潜力。
单就数据而言，只有向量化之后的数据才能被 AI 模型所分析。数据能够被分类为 结构化数据和非结构化数据，其中，结构化数据一般指可以使用关系型数据库表示 和存储、可以用二维表来逻辑表达实现的数据，典型的结构化数据例如成绩单、工 资单等；非结构化数据没有固定的结构，包括文本、图像、蛋白质结构、地理空间 信息和物联网数据流等。在人工智能时代，目前主流的对非结构化数据进行管理和 处理的方法是，利用 RNN 或 Transformer 等嵌入模型（Embedding Model），将非 结构化数据的语义内容转化为高维、密集的向量嵌入（Vector Embeddings），即多 维向量，并直接对这些嵌入进行存储、处理。非结构化数据转化为嵌入后，其语义 的相似性能够通过向量空间点的距离进行量化表示，并进行常见的机器学习操作， 如聚类、分类、推荐等。