2nd/10_Wiki/Topics/Semantic-Search-with-AI.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
IR-SEM-Search-001	Dev	1.0	ai information-retrieval Semantic-Search|Semantic-Search embeddings vector-database nlp search-engine	2026-04-26

Semantic Search with AI (AI를 활용한 시맨틱 검색)

📌 한 줄 통찰 (The Karpathy Summary)

"단순한 글자 맞추기(Keyword Matching)를 넘어 단어 이면에 숨겨진 '의미의 좌표'를 탐색하고, 사용자의 의도와 지식의 맥락을 연결하라" — 딥러닝 기반의 임베딩 기술을 활용하여 질문과 문서 사이의 의미적 유사성을 계산하고 가장 관련성 높은 정보를 추출하는 차세대 검색 기법.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: "Dense Vector Retrieval and Latent Semantic Alignment" — 텍스트를 고차원 수치 벡터로 변환하고, 벡터 공간에서의 거리(코사인 유사도 등)를 측정하여 언어의 모호함(동의어, 문맥 등)을 해결하며 정답에 접근하는 패턴.
• 핵심 구성 요소:
  • Embeddings: 단어/문장의 의미를 숫자의 나열로 변환.
  • Vector Database: 수백만 개의 벡터 중 유사한 것을 초고속으로 탐색.
  • Re-ranking: 초기 검색 결과를 정교한 모델로 다시 순위 매기기.
• 의의: "아이폰 충전기"를 검색했을 때 "라이트닝 케이블"을 보여줄 수 있는 유연함을 제공하며, 정보 검색의 패러다임을 '단어' 중심에서 '개념' 중심으로 전환함.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 시맨틱 검색이 키워드 검색(BM25 등)을 완전히 대체할 것이라는 예상과 달리, 최근에는 고유 명사나 정확한 수치 검색에 강한 키워드 방식과 맥락에 강한 시맨틱 방식을 결합한 '하이브리드 검색(Hybrid Search)'이 표준으로 자리 잡음.
• 정책 변화: Antigravity 프로젝트는 1,174개 지식 문서 간의 연관 관계 분석 및 사용자 질의 응답 시, 최신 리랭킹 알고리즘이 적용된 시맨틱 검색 엔진을 주력으로 활용함.

🔗 지식 연결 (Graph)

• Natural-Language-Processing-NLP]], Vector-Database-Foundations, RAG-and-Document-Retrieval, Relevance-Feedback
• Raw Source: 10_Wiki/Topics/AI/Semantic-Search-with-AI.md