Мощь ИИ основана на поиске взаимосвязей между данными. В современном мире, который включает в себя огромное количество неструктурированных данных в режиме реального времени, по прогнозам, в этом году будет получено 175 зеттабайт неструктурированных данных.
Ученые могут выполнять поиск в векторной базе данных, таких как Qdrant, для выявления взаимосвязей в режиме реального времени. Даже если ИИ был обучен несколько лет назад, он может расширить свои знания, если подключится к векторной базе данных Qdrant и найдет сходство между запросом и неструктурированными данными.
Поскольку векторные базы данных превосходно справляются с поиском совпадений между запросом и неструктурированными данными, они идеально подходят для использования в системах персонализированных рекомендаций, платформах обнаружения мошенничества и системах поиска изображений на основе контента.
По прогнозам Gartner, к 2026 году 30% предприятий будут использовать векторные базы данных. В 2023 году этот показатель составлял всего 2%.
Примеры стартапов векторных баз данных:
LanceDB (финансирование в размере 11 миллионов долларов),
Weaviate (финансирование в размере 67 миллионов долларов)
Milvus (финансирование в размере 113 миллионов долларов)
Qdrant в начале 2024 года стартап привлек финансирование в размере 28 миллионов долларов.
