Vector Database

قاعدة بيانات المتجهات هي نظام تخزين مخصص مصمم لإدارة وفهرسة والاستعلام عن بيانات المتجهات ذات الأبعاد العالية، والتي غالباً ما يشار إليها باسم embeddings. على عكس قاعدة البيانات العلائقية التقليدية، التي تنظم البيانات المهيكلة في صفوف وأعمدة لمطابقة الكلمات الرئيسية الدقيقة، تم تحسين قاعدة بيانات المتجهات للاسترجاع الدلالي. وهي تتيح للأنظمة الذكية العثور على نقاط بيانات متشابهة من الناحية المفاهيمية وليست متطابقة تماماً. تعتبر هذه القدرة أساسية للبنية التحتية الحديثة لـ الذكاء الاصطناعي (AI)، مما يتيح للتطبيقات معالجة وفهم البيانات غير المهيكلة - مثل الصور والصوت والفيديو والنص - من خلال تحليل العلاقات الرياضية فيما بينها. تعمل هذه القواعد كذاكرة طويلة الأجل للوكلاء الأذكياء، مما يسهل مهام مثل البحث البصري والتوصيات المخصصة.

كيف تعمل قواعد بيانات المتجهات#

تمركز وظيفة قاعدة بيانات المتجهات حول مفهوم الفضاء المتجهي، حيث يتم تعيين عناصر البيانات كنقاط في نظام إحداثيات متعدد الأبعاد. تبدأ العملية بـ استخراج الميزات، حيث يقوم نموذج التعلم العميق (DL) بتحويل المدخلات الخام إلى متجهات رقمية.

1. الإدخال (Ingestion): تتم معالجة البيانات بواسطة شبكة عصبية، مثل نموذج YOLO26 المتطور، لإنشاء التضمينات (embeddings). تقوم هذه المتجهات بضغط المعنى الدلالي للإدخال في قائمة كثيفة من أعداد الفاصلة العائمة.

2. الفهرسة (Indexing): لضمان انخفاض زمن انتقال الاستدلال أثناء الاسترجاع، تنظم قاعدة البيانات هذه المتجهات باستخدام خوارزميات متخصصة. تتيح تقنيات مثل Hierarchical Navigable Small World (HNSW) أو Inverted File Index (IVF) للنظام التنقل عبر مليارات المتجهات بكفاءة دون فحص كل إدخال على حدة.

3. الاستعلام (Querying): عندما يرسل المستخدم استعلام بحث (مثل صورة لطراز حذاء معين)، يقوم النظام بتحويل الاستعلام إلى متجه ويحسب قربه من المتجهات المخزنة باستخدام مقاييس المسافة مثل تشابه جيب التمام أو المسافة الإقليدية.

4. الاسترجاع (Retrieval): تُرجع قاعدة البيانات "أقرب الجيران"، والتي تمثل النتائج الأكثر صلة من الناحية السياقية.

يوضح نموذج Python التالي كيفية إنشاء التضمينات باستخدام نموذج ultralytics قياسي، وهو الخطوة الأساسية قبل ملء قاعدة بيانات المتجهات.

from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model
model = YOLO("yolo26n-cls.pt")

# Generate feature embeddings for an image file
# The 'embed' method creates the vector representation needed for the database
results = model.embed("https://ultralytics.com/images/bus.jpg")

# Output the shape of the resulting embedding vector
print(f"Embedding vector shape: {results[0].shape}")

تطبيقات العالم الحقيقي#

تعتبر قواعد بيانات المتجهات المحرك الكامن وراء العديد من تطبيقات رؤية الكمبيوتر (CV) ومعالجة اللغات الطبيعية (NLP) المتقدمة المستخدمة في بيئات المؤسسات اليوم.

• التوليد المعزز بالاسترجاع (RAG): في عصر الذكاء الاصطناعي التوليدي، تتيح قواعد بيانات المتجهات لـ النماذج اللغوية الكبيرة (LLMs) الوصول إلى مكتبة ضخمة من البيانات الخاصة والحديثة. من خلال استرجاع المستندات ذات الصلة بناءً على المعنى الدلالي لموجه المستخدم، يقلل النظام من الهلوسة في النماذج اللغوية الكبيرة ويقدم استجابات واقعية ومدركة للسياق.
• محركات التوصية البصرية: في مجال الذكاء الاصطناعي في قطاع التجزئة، تستخدم المنصات قواعد بيانات المتجهات لتشغيل ميزات "تسوق أنماط مشابهة". إذا استعرض المستخدم فستان صيفي معين، يستعلم النظام في قاعدة البيانات عن صور منتجات أخرى ذات تضمينات بصريّة مشابهة - مطابقة الأنماط والقصات والألوان - مما يوفر تجربة مستخدم أفضل من التصفية البسيطة القائمة على العلامات.
• اكتشاف الحالات الشاذة والتهديدات: تستخدم أنظمة الأمان قواعد بيانات المتجهات لـ اكتشاف الحالات الشاذة. من خلال تخزين تضمينات السلوك "الطعيبي" أو الأفراد المصرح لهم، يمكن للنظام الإبلاغ فوراً عن القيم المتطرفة التي تقع خارج المجموعة المتوقعة في الفضاء المتجهي، مما يعزز أمن البيانات ومراقبة المرافق.

التمييز بين المفاهيم ذات الصلة#

لتنفيذ هذه الأنظمة بفعالية، من المفيد التمييز بين قاعدة بيانات المتجهات والتقنيات ذات الصلة في المشهد العام لـ عمليات التعلم الآلي (MLOps).

• قاعدة بيانات المتجهات مقابل البحث المتجهي: البحث المتجهي هو الإجراء أو العملية الخوارزمية للعثور على متجهات متشابهة ("كيف"). قاعدة بيانات المتجهات هي البنية التحتية القوية المصممة لتخزين البيانات، وإدارة الفهرس، وإجراء هذه عمليات البحث على نطاق واسع ("أين").
• قاعدة بيانات المتجهات مقابل مستودع الميزات: مستودع الميزات هو مستودع مركزي لإدارة الميزات المستخدمة في تدريب النماذج والاستدلال، مما يضمن الاتساق. بينما يتعامل مع بيانات الميزات، إلا أنه لم يتم تحسينه أساساً لاستعلامات الاسترجاع القائمة على التشابه والتي تحدد قاعدة بيانات المتجهات.
• قاعدة بيانات المتجهات مقابل بحيرة البيانات: تخزن بحيرة البيانات كميات هائلة من البيانات الخام بتنسيقها الأصلي. تخزن قاعدة بيانات المتجهات التمثيلات الرياضية المعالجة (التضمينات) لتلك البيانات، والمُحسَّنة خصيصاً لـ بحث التشابه.

التكامل مع سير عمل الذكاء الاصطناعي الحديث#

يتضمن تنفيذ قاعدة بيانات المتجهات غالباً مسار عمل (pipeline) تعمل فيه نماذج مثل YOLO26 الفعال كمحرك للتضمين. تعالج هذه النماذج البيانات البصرية على الحافة أو في السحاب، وتتم دفع المتجهات الناتجة إلى حلول مثل Pinecone أو Milvus أو Qdrant.

بالنسبة للفرق التي تتطلع إلى تبسيط دورة الحياة هذه بأكملها - بدءاً من تنظيم البيانات والتعليق التلقائي وحتى تدريب النماذج والنشر - تقدم منصة Ultralytics بيئة شاملة. من خلال دمج تدريب النماذج مع استراتيجيات نشر فعالة، يمكن للمطورين ضمان أن التضمينات التي تغذي قواعد بيانات المتجهات الخاصة بهم دقيقة، مما ينتج عنه نتائج بحث أعلى جودة ووكلاء ذكاء اصطناعي أكثر ذكاءً.