ベクトルデータベースとは?
一言でいうと: エンベディングを大量に保存し、意味の近さで高速検索する仕組みです。
ベクトルデータベースの基本
ベクトルデータベースは、エンベディング(数値ベクトル)を大量に保存し、「意味が近いもの」を高速に探し出すための専用データベースです。従来のデータベースが、商品名や価格のような決まった項目を条件で絞り込む道具だとすれば、ベクトルデータベースは「なんとなく似ているもの」を探す道具だと言えます。RAG(検索拡張生成)で関連資料を探したり、意味で検索する機能、似た画像の検索、商品のおすすめ表示などの裏側で使われています。何百万件ものベクトルの中から近いものを瞬時に見つけるため、「近似近傍探索」という、多少の近似を許して高速化する工夫が使われているのが特徴です。専用製品のほか、既存のデータベースにベクトル検索機能を追加する形も増えています。AIサービスの普及とともに重要性が高まっている基盤技術の一つです。
ここがポイント
通常のデータベースとの違い
通常のデータベースは「価格が1万円以下の商品」のように、条件にぴったり合うものを探すのが得意です。一方ベクトルデータベースは、「この文章と意味が近い文章」という曖昧な探し方ができます。キーワードが含まれていなくても、意味が近ければ見つけられるのが強みです。
RAGでの使われ方
RAGでは、マニュアルや社内文書を細かく区切ってベクトル化し、ベクトルデータベースに保存します。利用者の質問もベクトル化し、意味の近い文書を数件取り出してAIに渡すことで、根拠のある回答が得られます。データベースの検索精度が、そのまま回答の質を左右します。
近似検索のトレードオフ
膨大なベクトルの中から本当に一番近いものを探すと時間がかかるため、実務では「ほぼ近いもの」を高速に返す近似近傍探索が使われます。速度と正確さはトレードオフの関係にあり、用途に応じてバランスを調整します。多少の取りこぼしがあっても実用上問題ない場面が多いのが実情です。