AI라는 새로운 흐름으로 인해 기업이 기존 워크플로에서 내부 및 외부 데이터를 사용하는 방식이 바뀌고 있습니다. 이제 대규모 언어 모델(LLM)과 임베딩 모델(비정형 데이터에서 고차원 벡터를 생성할 수 있는 모델)의 결합을 통해 모든 유형의 데이터를 이해할 수 있습니다.

정보의 80% 이상이 비정형(텍스트, 문서, 이미지, 비디오 파일 등)인 상황에서 검색은 단순한 키워드를 넘어 벡터 임베딩을 통해 최종 사용자가 무엇을 찾고 있는지 모르는 경우에도 모든 데이터의 맥락을 파악할 수 있도록 도와줍니다. 그렇다면 기업의 지식 세트를 확장하고 관련성 높은 결과를 더 많이 얻기 위해 벡터 검색과 LLM의 힘을 활용하는 방법은 무엇일까요?

이 웨비나에서는 RedMonk의 수석 분석가이자 공동 창립자인 Stephen O'Grady와 MongoDB의 제품 관리 책임자인 Benjamin Flast가 다음과 같은 혁신적인 추세에 대해 논의합니다.

벡터 검색의 정의, 비정형 데이터를 이해하는 데 있어 인공지능의 역할
거대 언어 모델의 강력한 기능을 활용해 관련성을 높이는 벡터 임베딩 생성 방법
벡터를 저장하고 검색하는 다양한 접근 방식
벡터 사용 사례, 인공지능 통합 및 결과의 실제 예시