Zilliz triunfou no desafio de busca ANN em escala de bilhões da NeurIPS 2021
Em 6 de dezembro de 2021, a principal conferência acadêmica de IA do mundo, a NeurIPS, anunciou o resultado de seu primeiro Desafio de Busca por Vizinhos Mais Próximos Aproximados (ANN). A equipe de pesquisa da Zilliz conquistou o primeiro lugar na categoria de Busca ANN baseada em disco com seu Algoritmo de Otimização de Desempenho em Disco, levando a busca ANN em conjuntos de dados em escala de bilhões a um patamar mais elevado.
Captura de tela de e-mail.
O surgimento das redes neurais permite que enormes volumes de dados não estruturados, como fala, imagens e vídeos, sejam incorporados como vetores, tornando a busca ANN a chave para compreender esses dados não estruturados. Liderado por especialistas e acadêmicos da Microsoft Research, Facebook AI Research, Carnegie Mellon University, Yandex e outras organizações influentes, o primeiro Desafio de Busca ANN atraiu candidatos da Tsinghua University, Nanjing University, Intel, NVIDIA, Kuaishou Technology e outras. Um total de seis conjuntos de dados em escala de bilhões foi adotado como conjuntos de dados de exemplo no desafio, e quatro deles foram lançados pelo Facebook, Microsoft Turing, Microsoft Bing e Yandex especificamente para este evento.
A solução de Busca ANN baseada em disco Block-based ANN (BBAnn), desenvolvida pela equipe de pesquisa da Zilliz, ficou em primeiro lugar na categoria de Busca ANN do Desafio. Seu desempenho atingiu o pico durante a busca no conjunto de dados SimSearchNet++ lançado pelo Facebook. Esse conjunto de dados simula uma detecção precisa de mudanças sutis em imagens, impondo o grande desafio de recuperar todos os vetores dentro de um determinado raio ao redor do vetor-alvo. Para tornar o desafio mais difícil, o número de resultados de consulta a retornar permaneceu incerto. De acordo com o resultado do teste, a solução da Zilliz recuperou 88,573% de todos os resultados relevantes no conjunto de dados, muito além da linha de base de 16,274%, marcando um enorme avanço na busca ANN em escala de bilhões.
No futuro, a Zilliz se dedicará à implementação deste avanço de pesquisa no Milvus, um banco de dados vetorial de código aberto, para atender às necessidades de usuários em diferentes cenários de aplicação. O Milvus é um projeto graduado da LF AI & Data Foundation. O Milvus é capaz de gerenciar um grande número de conjuntos de dados não estruturados e tem uma ampla gama de aplicações em descoberta de novos medicamentos, sistemas de recomendação, chatbots e muito mais. A Zilliz continuará a investir para desbloquear o valor oculto de enormes volumes de dados não estruturados para empresas por meio de soluções de código aberto e nativas da nuvem.
Continue lendo
Build Multimodal Search for 3D Assets with Tripo and Zilliz Cloud
Generate 3D assets with Tripo, then search them by text, image, and metadata with multimodal embeddings and Zilliz Cloud.
What Is a Vector Lakebase?
A Vector Lakebase is a unified, lake-native data architecture for AI that combines vector-database-grade serving with open lake storage, reusable lake-level indexes, and a shared semantic layer.
Legal Document Analysis: Harnessing Zilliz Cloud's Semantic Search and RAG for Legal Insights
Enhance legal document analysis with Zilliz Cloud’s Semantic Search and RAG. Improve accuracy, efficiency, and scalability for contracts, case law, and compliance.