向量数据库能解决AI系统不够智能的问题吗?
王福强
前几天有老总问:
飞书很重视知识管理,但都是从文档中检索,感觉还不够智能。是不是用你这数据库后能解决?@王福强@福强科技
他提到的“你这数据库”是指我上个月开始折腾的 KVectors 向量数据库。
我的回复是:
解决不了,智能是个系统工程 ;)
只能说, 向量数据库属于构建智能系统的一份子,但你让它单个挑大梁成就整体智能,那有点儿太难为他了。
而且,从打算搞KVectors开始,我就没期望说它能支撑起整个AI的天。
它就只专注一个点,向量的管理(存储与相似度检索),甚至于向量的生成它的不管🤣
它存在的唯一目的,就是能够快糙猛(其实也没那么糙)地满足小众场景里的AI需求,比如相似问题的重复回答、用AI技术重新实现的以图搜图等等。
要说通用智能和“足够”智能,这投入可就大了去了,岂是我这种 one-man army 可以干的事情?
要知道,越通用的方案,往往越需要更多的抽象和拼接,投入和周期都是无法准确估算的,没有点儿马云老师那种远见,谁tmd干这么砸钱?
我老早就说了,什么AI IaaS、AI PaaS甚至MaaS,让大厂去搞得了,SMB凑啥热闹嘛, 搞搞应用、搞搞业务场景AI化不香吗?
技术只是商业活动中一环,或者一种能力,但商业活动还有很多因素需要融合,从这个角度来说,KVectors跟通用AI智能的关系,倒是有点儿跟技术和商业的关系很像了。
一个是点,一个是面或体,不可同日而语。
不过可以同台唱戏🤣
其实向量数据库的选择挺多的, 我在给企业做向量数据库培训的时候,PPT的第一页就把所有常见的产品罗列出来了:
只是技术选型拿来用,基本上差不多的,latency上差不了多少毫秒。
但假如你想知道底层机理以及周边所有的AI基础设施和理论,那能挖的东西就多了去了。
一个点深挖下去,也可以很深的🤪
哦,对了,这个培训对企业开放,欢迎感兴趣的企业洽谈预约。
开天窗,拉认知,订阅「福报」,即刻拥有自己的全模态人工智能。
