尹海文：解锁Oracle数据库的AI潜力.pdfVIP

解锁Oracle数据库的AI潜力

演讲人：尹海文

尹海文

OracleACEAssociate:Database（Oracle与MySQL）

10年数据库行业经验，现主要从事数据库服务工作

拥有OCM11g/12c/19c、MySQL8.0OCP、Exadata、CDP

等认证

墨天轮MVP、认证技术专家，ITPUB核心专家、Oracle『入

门与认证』论坛版主，Oracle认证讲师

公众号：胖头鱼的鱼缸；CSDN：胖头鱼的鱼缸（尹海文）；

墨天轮：胖头鱼的鱼缸；ITPUB：yhw1809。

目录

CONTENTS▶向量数据库基本概念

向量数据库与生成式AI

OracleAI向量搜索

如何让机器学习区分不同的事物？

根据不同事物的特征

例如：区分不同种类的狗，就可以通过体型大小、毛发长度、鼻子长短等特

征来区分。如下面这张照片按照体型排序，可以看到体型越大的狗越靠近坐

标轴右边，这样就能得到一个体型特征的一维坐标和对应的数值，从0到1

的数字中得到每只狗在坐标系中的位置。

然而单靠一个体型大小的特征并不够，像图中哈士奇、金毛和拉布拉多的体

型就非常接近，我们无法区分。

根据不同事物的特征

继续观察其它的特征，例如毛发的长短。这样每只狗对应一个二维坐标点，

我们就能轻易的将哈士奇、金毛和拉布拉多区分开来

根据不同事物的特征

机器学习根据不同事物的一系列特征来区分不同的事务，每个特征可以被记

录为一维坐标和对应数值，世间万物都可以用一个多维坐标系来表示，它们

都在一个高维的特征空间中对应着一个坐标点，从而分辨一个事物。

向量

向量（Vector）

•向量（也称为欧几里得向量、几何向量），指具有大小和方向的量。可以使用带箭头

的线段表示，箭头指向即为向量的方向，线段的长度表示向量的大小。两个向量的距

离或者相似性可以通过汉明距离、欧式距离或者余弦距离得到。

向量嵌入（VectorEmbedding）

•一种自动化提取事物特征值的方法，用来生成高维度的向量数据

•图像、文本和音视频这种非结构化数据都可以通过某种变换或者嵌入学习转化为向量

数据。

•使用深度学习嵌入模型来生成向量数据。例如，文本向量可以通过OpenAI的text-

embedding-ada-002模型生成，图像向量可以通过clip-vit-base-patch32模型生成，

而音频向量可以通过wav2vec2-base-960h模型生成。

例如：我们将这句话“Thisismyfavoriteseason”用text-embedding-ada-002模型进行文本

Embedding，它会生成一个1536维的向量，得到的结果是这样：“-0.006829283475992422,-

0.005386422007500928,…...-0.004547132269452536,-0.026047505116502243”，它是一个长度

为1536的数组。这个向量就包含了这句话的所有特征，这些特征包括词汇、语法、语义、情感、情绪、

主题等。

向量检索

图片、文本、视频和语音等非结构化数据，通过人工智能技术提取出特征向量，

然后通过对这些特征向量的计算和检索来实现对非结构化数据的分析和检索。

向量检索通常是近似查找，要权衡搜索精度和速度。

常用的向量检索方法：

•聚类：K-Means和Faiss

•图搜索：HierarchicalNavigableSmall

Worlds(HNSW)

•哈希：局部敏感哈希（Locality

SensitiveHashing）LSH

•量化：ProductQuantization(PQ)：有