# การค้นหาเวกเตอร์สู่ความสำเร็จ

By [Shrimpy](https://paragraph.com/@severezero) · 2024-05-14

---

### **การค้นหาเวกเตอร์สู่ความสำเร็จ**

**Scott Dykstra** ผู้ร่วมก่อตั้งและ CTO

ในช่วงก่อนปี 2022 หากคุณต้องการค้นหาข้อความเฉพาะจากหนังสือหรือภาพยนตร์ คุณอาจใช้เสิร์ชเอนจินในการค้นหา แต่ตอนนี้ คุณสามารถใช้ ChatGPT เพื่อขอข้อมูลได้ทันที โดยให้ผลลัพธ์ที่แม่นยำและรวดเร็ว

### **LLM กับการสร้างเนื้อหา**

LLMs สร้างเนื้อหาจากการทำนายโทเค็นถัดไปตามบริบทของข้อมูลที่ฝึกมา แต่มีข้อจำกัดในการเข้าถึงข้อมูลใหม่หลังการฝึกอบรม จึงไม่สามารถตอบคำถามที่ต้องการข้อมูลล่าสุดได้

### **การสร้างเนื้อหาเสริมด้วยการเรียกคืนข้อมูล (RAG)**

การสร้างเนื้อหาเสริมด้วยการเรียกคืนข้อมูล (RAG) เป็นการใช้ฐานข้อมูลค้นหาเวกเตอร์เพื่อดึงข้อมูลภายนอกที่เกี่ยวข้อง ซึ่งช่วยปรับปรุงความแม่นยำและความเฉพาะเจาะจงของผลลัพธ์

**ความท้าทายของ RAG** แม้ว่าการใช้ RAG จะเพิ่มความสามารถในการตอบคำถามที่ต้องการข้อมูลล่าสุด แต่ก็มีความท้าทายเกี่ยวกับความล่าช้าและคุณภาพของข้อมูลที่ดึงมาใช้

### **อนาคตของ LLM**

ในอนาคต LLM รุ่นถัดไปจะผสมผสาน RAG กับการฝึกอบรมแบบดั้งเดิม เพื่อเพิ่มขีดความสามารถในการตอบสนองต่อข้อมูลใหม่ได้อย่างรวดเร็วและมีประสิทธิภาพ

### **Space and Time และการพัฒนา Proof of Vector Search**

Space and Time ได้พัฒนา Proof of Vector Search เพื่อให้ LLMs สามารถเรียกคืนบริบทเพิ่มเติมและข้อมูลใหม่ในวิธีที่ตรวจสอบได้ ช่วยให้การค้นหาและการประมวลผลข้อมูลมีประสิทธิภาพและความน่าเชื่อถือมากยิ่งขึ้น

อ่านเพิ่มเติมเกี่ยวกับการค้นหาเวกเตอร์และการพัฒนา LLMs ได้ที่

[https://www.spaceandtime.io/blog/vector-search-to-success](https://www.spaceandtime.io/blog/vector-search-to-success)

---

*Originally published on [Shrimpy](https://paragraph.com/@severezero/fuiXtnwMQn262UptHf8t)*