جمعنا 6.5 مليون دولار لقتل قواعد بيانات المتجهات. كل نظام اليوم يستعيد السياق بنفس الطريقة: البحث المتجه الذي يخزن كل شيء كتضمينات مسطحة ويعيد ما "يشعر" بأقرب صورة. مشابه، بالتأكيد. هل هو ذو صلة؟ نادرا ما يحدث ذلك. لا يمكن للتضمين التمييز بين بند تجديد Q3 وإشعار إنهاء Q1 إذا كانت اللغة قريبة بما فيه الكفاية. سأل صديق لي الذكاء الاصطناعي الخاص به عن عقد الأسبوع الماضي، وأعاد إجابة مفصلة ومصممة بشكل مثالي مأخوذة من ملف عميل مختلف تماما. عندما تتعامل مع 10M+Documents، تحدث هذه الأخطاء طوال الوقت. دقة VectorDB تسوء كثيرا. بنينا @hydra_db لهذا بالضبط من أجله. يقوم HydraDB ببناء رسم بياني أنطولوجيا أولا للسياق على بياناتك، ويرسم العلاقات بين الكيانات، ويفهم "السبب" وراء المستندات، ويتتبع كيف تتطور المعلومات مع مرور الوقت. لذا عندما تسأل عن 'آبل'، فهو يعرف أنك تقصد الشركة التي تخدمها كعميل. ليس الفاكهة. حتى عندما تشير درجة التشابه في قاعدة بيانات المتجه إلى 0.94. المزيد أدناه ⬇️

الذاكرة ليست مجرد ميزة في الذكاء الاصطناعي، بل هي الفرق بين النظام الذي يستجيب والنظام الذي يفهم حقا. في الحلقة الأولى من The Long Walk، نغوص أنا و@kamath_sutra في كيفية تشكيل الذاكرة للجيل القادم من وكلاء الصوت، ولماذا أصبحت ضرورية لسير عمل المؤسسات الحقيقية.