ベクトル検索 とは？

普通のキーワード検索は「同じ言葉が含まれているか」で探すよね。ベクトル検索は「意味が近いか」で探すんだ。たとえば「犬」で検索したら「ワンちゃん」や「ペット」も見つかる。言葉が違っても意味が似ていれば引っかかるよ。

まずテキストや画像をベクトル（数値の配列）に変換するんだ。これを「埋め込み（エンベディング）」と呼ぶよ。意味が近いデータは近い座標に配置されるから、ベクトル同士の距離を計算すれば類似度がわかるんだ。

代表的なのはコサイン類似度だよ。2つのベクトルの向きがどれだけ近いかを-1から1で表す。1に近いほど似ている、0は無関係、-1は正反対。他にもユークリッド距離や内積を使う方法もあるよ。

そうだよ。RAGはLLMに質問する前に、関連する文書をベクトル検索で見つけてきて、それをプロンプトに含めるんだ。これでLLMが学習していない社内文書の質問にも答えられるようになる。ベクトル検索はAI活用の土台と言っていいね。

既存のPostgreSQLにpgvectorを入れるのが手軽なスタート。専用のベクトルDBだとPineconeやWeaviate、Qdrantが人気だよ。数百万件までならpgvectorで十分、数億件規模やリアルタイム性が必要なら専用DBを検討するといいね。

あるよ。まず完全一致の検索はキーワード検索の方が得意。「注文番号12345」みたいな正確な検索にはベクトル検索は向かない。だから最近はキーワード検索とベクトル検索を組み合わせた「ハイブリッド検索」が主流になりつつあるんだ。両方の良いとこ取りだね。