BigQuery (HQ) menawarkan peluang baru untuk mengubah cara organisasi menggunakan data. Pratinjau publik penelusuran vektor BigQuery telah dirilis, sehingga Anda dapat melakukan penelusuran kesamaan vektor pada data Anda. Fitur ini berguna untuk hal-hal seperti pencarian semantik dan deteksi kesamaan.

Pencarian vektor dilakukan pada vektor numerik berdimensi tinggi yang disebut embeddings. Penelusuran vektor BigQuery menggunakan indeks untuk mengidentifikasi penyematan dengan kecocokan yang baik secara efisien. Ini dapat dioperasikan secara intuitif menggunakan sintaks CREATE VECTOR INDEX dan VECTOR_SEARCH.

Indeks vektor BigQuery otomatis diperbarui seiring perubahan data tabel. Implementasi LangChain memfasilitasi integrasi berbasis Python. Fungsi VECTOR_SEARCH secara efisien memproses kueri besar dan memberikan hasil inferensi latensi rendah.

BigQuery mendukung banyak kasus penggunaan, termasuk RAG. Menghasilkan penyematan vektor dari data teks menggunakan model berbasis LLM dan melakukan pencarian kesamaan diharapkan dapat meningkatkan kualitas penerapan AI. Pencarian kesamaan yang efisien penting untuk menemukan informasi yang sangat relevan dengan cepat. saus: