Zilliz ha trionfato nella sfida di ricerca ANN su scala miliardaria di NeurIPS 2021
Il 6 dicembre 2021, NeurIPS, la principale conferenza accademica mondiale sull'IA, ha annunciato il risultato della sua prima Approximate Nearest Neighbor (ANN) Search Challenge. Il team di ricerca di Zilliz ha conquistato il primo posto nel track Disk-based ANN Search con il suo Disk Performance Optimization Algorithm, portando la ricerca ANN su dataset su scala miliardaria a un livello superiore.
Screenshot dell'email.
L'emergere delle reti neurali consente di incorporare enormi quantità di dati non strutturati come parlato, immagini e video sotto forma di vettori, rendendo la ricerca ANN la chiave per comprendere questi dati non strutturati. Guidata da esperti e studiosi di Microsoft Research, Facebook AI Research, Carnegie Mellon University, Yandex e altre organizzazioni influenti, la prima ANN Search Challenge ha attirato candidati da Tsinghua University, Nanjing University, Intel, NVIDIA, Kuaishou Technology e altri. In totale, sei dataset su scala miliardaria sono stati adottati come dataset di esempio nella challenge, e quattro di essi sono stati rilasciati da Facebook, Microsoft Turing, Microsoft Bing e Yandex specificamente per questo evento.
La soluzione Disk-based ANN Search Block-based ANN (BBAnn), sviluppata dal team di ricerca di Zilliz, si è classificata al primo posto nel track ANN Search della Challenge. Le sue prestazioni hanno raggiunto il picco durante la ricerca nel dataset SimSearchNet++ rilasciato da Facebook. Questo dataset simula un rilevamento accurato di cambiamenti sottili nelle immagini, ponendo una grande sfida nel recuperare tutti i vettori entro un certo raggio attorno al vettore target. Per rendere la challenge più difficile, il numero di risultati di query da restituire rimaneva incerto. Secondo il risultato del test, la soluzione di Zilliz ha recuperato l'88,573% di tutti i risultati rilevanti nel dataset, ben oltre il baseline del 16,274%, segnando un enorme passo avanti nella ricerca ANN su scala miliardaria.
In futuro, Zilliz si dedicherà all'implementazione di questo risultato di ricerca in Milvus, un database vettoriale open source, per soddisfare le esigenze degli utenti in diversi scenari applicativi. Milvus è un progetto graduate della LF AI & Data Foundation. Milvus è in grado di gestire un gran numero di dataset non strutturati e trova un'ampia gamma di applicazioni nella scoperta di nuovi farmaci, nei sistemi di raccomandazione, nei chatbot e altro ancora. Zilliz continuerà a investire per sbloccare il valore nascosto di enormi quantità di dati non strutturati per le imprese attraverso soluzioni open source e cloud-native.
Continua a leggere
Announcing the General Availability of Zilliz Cloud BYOC on Google Cloud Platform
Zilliz Cloud BYOC on GCP offers enterprise vector search with full data sovereignty and seamless integration.
Vector Databases vs. Object-Relational Databases
Use a vector database for AI-powered similarity search; use an object-relational database for complex data modeling with both relational integrity and object-oriented features.
Vector Databases vs. Key-Value Databases
Use a vector database for AI-powered similarity search; use a key-value database for high-throughput, low-latency simple data lookups.