新聞報導：Neo4j 圖形資料庫加入向量搜尋功能
簡介
圖形資料庫提供了一種不同於傳統聯動式資料庫的結構，透過節點和邊的方式構建知識圖譜，幫助機構更好地理解資料和內容之間的關係。而 Neo4j 作為一個圖形資料庫提供商，今天宣布了其圖形資料庫中的新功能：向量搜尋。這一功能為 Neo4j 賦予了更多上下文，提升了搜尋體驗，同時還有助於推動生成式人工智慧和大型語言模型的應用。
圖形資料庫與向量資料庫的交集
隨著通用人工智慧的崛起，對擁有向量功能的資料庫的需求也有了相對應的增長。在向量資料庫中，內容會被轉換為數值，並使用近似最近鄰居（ANN）等技術實現相似性搜尋。除了現有的資料庫平臺，如 PostgreSQL、MongoDB 和 Redis，還有一些專為向量應用而建的資料庫，如 Pinecone 和 Milvus。Neo4j 創始人兼執行長 Emil Eifrem 解釋說，Neo4j 透過向圖形節點新增向量屬性支援，將向量技術引入圖形資料庫。向量嵌入現在成為節點的附加屬性，同時該節點可能還具有其他屬性，如客戶或產品名稱。此外 Neo4j 還引入了一種新的索引型別，實現對向量的相似性搜尋支援。Eifrem 表示 Neo4j 所具備的現有能力是捕捉概念之間的直接聯動，而向量則能夠推斷資料中的隱含聯動。他說：“圖形資料庫非常擅長捕捉直接聯動，而向量資料非常擅長推斷隱含聯動。當我們從這個角度考慮時，為向量資料新增支援自然是合理的。我們的使命是透過關係來幫助世界理解資料。”
圖形資料庫如何提高向量的使用價值
Neo4j 資料庫的基本結構是知識圖譜。Eifrem 解釋說，傳統的聯動式資料庫將所有資料儲存在行和表中，而知識圖譜則將資料以圖形形式表達出來。透過圖形，人們可以更容易地看到特定客戶與特定產品集之間的聯動以及這些產品如何在特定的產品層級中佔據位置。圖形還可以顯示供應商如何透過供應鏈存取和交付特定產品。其基本理念是讓企業能夠以圖形存取的方式表達並確保其知識。按照 Eifrem 的說法，將圖形資料庫與大型語言模型相結合，可以提高準確性，還有助於減少幻覺。他說：“將大型語言模型的機率猜測與知識圖譜的顯式互動結合起來，這組合具有非常強大的威力。”
總結來說 Neo4j 圖形資料庫加入向量搜尋功能，不僅使搜尋更具上下文，也為生成式人工智慧和大型語言模型的應用提供了更強大的支援。這一結合有望在企業應用中提高準確性，同時為資料分析和關係理解帶來更全面的視角。
延伸閱讀
- 本週人工智慧大事記：生成式人工智慧與創作者補償的問題
- 創業戰場 200 正式啟動！距離提名截止只剩 1 個月
- AI 新創點子解決創辦人個資外洩的痛 - 這位創辦人深受影響後的啟發
- 特斯拉的熱鬧一周：金融科技迎來了時刻？
- 微軟和 Quantinuum 或帶領量子計算的下一個時代
- 在巨型公司中創新的挑戰以及今年他感到興奮的事情 Sundar Pichai 談創新大公司的挑戰以及他今年的期待
- 思瑪 AI 獲得 7000 萬美元融資，將推出多模式 GenAI 晶片
- 科技新創週報：盛極必衰
- 兔子創業者 Jesse Lyu 談初創企業的本質：「成長快，或死得更快」，只要不放棄
- 投給代表性不足創辦人的風險資金數量更新 - 技術新聞網
