AI w bazie danych Oracle: Vector Search, Select AI i Machine Learning (23ai/26ai)

Описание и применение

Oracle 23ai/26ai позволяет хранить векторные данные как обычные столбцы, выполнять семантический поиск с помощью VECTOR_DISTANCE и генерировать эмбеддинги внутри БД, а также переводить запросы на естественном языке в SQL через Select AI.

Задача

Integrating semantic search and machine learning directly inside Oracle Database without exporting data to external tools.

Результат

Oracle 23ai/26ai enables end‑to‑end AI workflows inside the database, reducing data movement, improving latency, and simplifying architecture.

Рабочий процесс

• Define VECTOR column with dimensions and format, e.g., VECTOR(384,FLOAT32).
• Insert or generate embeddings using VECTOR_EMBEDDING on an imported ONNX model.
• Create vector index (HNSW or IVF) on the VECTOR column.
• Query semantic similarity with VECTOR_DISTANCE and optional FETCH APPROX for performance.
• Use Select AI (DBMS_CLOUD_AI) to convert natural language to SQL queries.
• Leverage Oracle Machine Learning for additional ML tasks within SQL/PL-SQL.
• Monitor performance and adjust index parameters as needed.

Доказательства

Vector type is a first‑class citizen in Oracle 23ai/26ai, allowing embeddings to live alongside business data.

Источник