Indice vettoriale
Indice per la ricerca rapida di similarità tra vettori ad alta dimensionalità (embedding): «trova i 10 vicini più prossimi». Base della ricerca semantica, dei sistemi di raccomandazione e del RAG nei sistemi di IA. Poiché la ricerca esatta è troppo lenta, si usano metodi approssimati (ANN).
Il problema: con milioni di embedding a 1536 dimensioni, una ricerca esatta del vicino più prossimo (confronto con tutti) è insostenibile. Gli indici ANN (Approximate Nearest Neighbor) sacrificano un po' di precisione in cambio di una velocità enorme. Due famiglie principali: basati su grafi (HNSW, veloce ma vorace di memoria) e basati su cluster (IVF/IVFFlat, meno memoria, un po' più lento). Metriche di distanza: coseno, L2, prodotto scalare. Casi d'uso: ricerca semantica, «prodotti simili», pipeline RAG che recuperano contesto rilevante per un LLM. Implementato in pgvector (Postgres), in database vettoriali specializzati (Pinecone, Milvus, Qdrant, Weaviate) e in librerie (FAISS). Una delle categorie di database in più rapida crescita grazie al boom dell'IA.