2nd/10_Wiki/Topics/벡터 데이터베이스 (Vector Database).md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
P-REINFORCE-AI-VECTOR-DB	10_Wiki/💡 Topics/AI	0.98	AI VectorDB RAG SemanticSearch	2026-04-20

벡터 데이터베이스 (Vector Database)

📌 한 줄 통찰 (The Karpathy Summary)

"의미의 유사성을 좌표로 찾아내는 지식의 GPS." 텍스트, 이미지 등의 비정형 데이터를 고차원 벡터로 변환하여, 키워드가 아닌 '의미적 유사성'을 바탕으로 초고속 검색을 수행하는 데이터베이스다.

📖 구조화된 지식 (Synthesized Content)

• Core Mechanism:
  • Embedding: 데이터를 수천 개의 숫자로 이루어진 벡터로 변환.
  • Indexing (ANN): 모든 데이터를 비교하는 대신, 근사 근접 이웃(Approximate Nearest Neighbor) 알고리즘(HNSW 등)을 사용해 유사한 데이터를 광속으로 찾아냄.
  • Distance Metrics: 코사인 유사도(Cosine Similarity)나 유클리디안 거리를 활용해 유사성 측정.
• Main Use Cases:
  • RAG (Retrieval-Augmented Generation): LLM에게 외부 지식을 제공하기 위한 핵심 검색 엔진.
  • Recommendation Systems: 사용자의 취향과 유사한 상품/콘텐츠 매칭.
• Popular Tools: Pinecone, Milvus, Weaviate, FAISS.

⚠️ 모순 및 업데이트 (RL Update)

• 벡터 DB는 검색은 잘하지만 '정확한 키워드 매칭'에는 취약하다. 이를 보완하기 위해 키워드 기반의 BM25 검색과 벡터 기반 검색을 섞은 '하이브리드 검색(Hybrid Search)'이 사실상 업계 표준으로 자리 잡았다.

🔗 지식 연결 (Graph)

• Related: RAG (검색 증강 생성) , GraphRAG (그래프 기반 검색 증강 생성)
• Fundamental: Embedding-Space