- Las bases de datos vectoriales no son una categoría de base de datos aparte
- En poco tiempo, todas las bases de datos, incluidas las de grafos, relacionales, de documentos y de clave-valor, así como los cachés, terminarán soportando de alguna forma la "búsqueda vectorial"
- La frontera entre una base de datos vectorial y una que no lo es se volverá difusa, y las bases de datos vectoriales especializadas como Pinecone, Weaviate y Milvus perderán impulso y diferenciación en medio de la competencia
- Se espera que las bases de datos actuales intenten captar nuevas cargas de trabajo de RAG (Retrieval Augmented Generation) aprovechando sus cargas de trabajo y bases de usuarios existentes
4 comentarios
¡Parece que PostgreSQL también ya soporta módulos de vectores! Ojalá los otros motores también lo soporten pronto jaja
Pues no sé
Como desarrollador con 28 años de experiencia, pues no sé???
Las bibliotecas de desarrollo de gráficos no van a desaparecer, sino que seguirán evolucionando... no parece necesario meter gráficos dentro de la DB.
Aunque se fusionen la DB y cosas como los gráficos, al final solo se le suma más carga a la DB, así que como desarrollador eso me preocupa aún más. De por sí, el mayor problema ya es resolver cómo evitar que se vuelva cada vez más lenta por la cantidad de datos que crece día a día; por eso, la clave es separarlo lo más posible y personalizar el rendimiento al máximo.
La búsqueda vectorial consiste en almacenar como vectores los embeddings que usan los modelos de aprendizaje profundo como los LLM, y en realizar tareas como buscarlos o guardarlos calculando rápidamente de forma interna la similitud entre ellos; me gustaría saber a qué se refiere exactamente con “chart”.
Parece que al ver la palabra vector la usaste como sinónimo porque hoy en día las bibliotecas de gráficos renderizan con imágenes vectoriales como SVG.
Fue interesante porque parecía un comentario de alguien que conoce la situación de la industria.
Lo que se quiere decir ahí es que el content-based address (reference), que antes solo se mencionaba en teoría, recientemente se ha vuelto tan fácil de implementar gracias al rápido avance de tecnologías de IA (incluyendo temas relacionados como vectorizing) que incluso se prevé que pronto podremos ver esa función también en los DBMS tradicionales.