24 апреля 2026 года в рамках недели цикловой комиссии «ВТЭ и М» в группах ИП 232 и ИП 235 Мариной Анатольевной Москаленко был проведен семинар на тему «Искусственный интеллект и векторные БД».
Тема искусственного интеллекта (ИИ) и используемых в нем векторных БД в наше время является одной из самых важных и актуальных в мире, и есть несколько причин, почему это именно так. Искусственный интеллект впервые получил признание в науке в 1956 году на летней конференции в Дартмутском колледже. Его презентовал математик Джон Маккарти. С тех пор научные исследования в области ИИ расширялись. В них включили изучение психологии памяти и механизмов понимания для их имитации на компьютере. К середине 1970-х появились методы семантического представления знаний, а также экспертные системы, которые использовали знания специалистов для моделирования мыслительных процессов.
В следующие десятилетия популярность ИИ выросла. Появились алгоритмы машинного обучения, которые помогают компьютерам накапливать знания и самостоятельно обучаться на основе проб и ошибок.
С 2010 года увеличившаяся мощность компьютеров позволила сочетать большие данные с методами глубокого обучения на основе нейросетей. Активнее начали развиваться распознавание речи и изображений, понимание естественного языка, автономное вождение автомобилей.
ИИ сначала впитывает в себя всю информацию, которую ему дают люди. Затем учится ее использовать и применяет в различных задачах. Например, решает примеры, пишет тексты или рисует изображения.
Чтобы использовать ИИ на практике, нужно понимать, как он работает и как его можно применять.
Чтобы системы, использующие ИИ работали хорошо, им недостаточно просто хранить огромные объёмы данных. Им важно уметь находить информацию не только по словам, но и по смыслу. Именно здесь большую роль и сыграли векторные БД.
Искусственный интеллект, или ИИ, — это технология, которая позволяет компьютеру выполнять задачи, для которых раньше обычно нужен был человек.
Например, если системе показать очень много текстов, она начнёт лучше понимать, как связаны слова и фразы между собой. Если показать ей много изображений, она научится отличать кошку от собаки, автомобиль от велосипеда и так далее.
Если говорить совсем просто, ИИ старается определить смысл информации. Он не думает как человек, но может находить закономерности и использовать их для ответа или прогноза.
Чтобы компьютер мог работать со смыслом, данные необходимо перевести в специальную форму — в векторы. Вектор можно представить как набор чисел.
Например, фраза «кот на диване», фотография кота или даже вопрос про домашнее животное могут быть превращены в векторы. Если смысл этих данных похож, то и векторы будут расположены близко друг к другу.
Что такое векторная база данных
Векторная БД — это специальная база, которая хранит не только обычные записи, но и векторы. Её задача — быстро находить те объекты, которые ближе всего по смыслу к запросу пользователя.
Обычная база данных хорошо подходит для точного поиска. Например, когда нам нужно найти человека по номеру телефона или товар по артикулу. Но если мы хотим искать по смыслу, обычного поиска уже недостаточно.
Именно поэтому появились векторные базы данных. Они позволяют хранить числовые представления текста, изображений, аудио и других данных, а затем очень быстро сравнивать их друг с другом.
Главная идея такая: если запрос и документ имеют похожий смысл, их векторы окажутся рядом. Значит, система сможет найти нужный результат даже тогда, когда слова отличаются.
Где это применяется
Первая сфера применения — умный поиск. Например, поиск по статьям, сайтам, документам или внутренним базам компании.
Вторая сфера — чат-боты и помощники. Когда пользователь задаёт вопрос, система может найти подходящие материалы в базе знаний и на их основе дать ответ.
Третья сфера — рекомендации. Сервисы могут советовать фильмы, музыку, книги или товары, которые похожи по смыслу на то, что человеку уже понравилось.
Четвёртая сфера — поиск похожих изображений. Например, можно загрузить фотографию товара и найти похожие варианты.
Также такие технологии используются в медицине, образовании, аналитике, юридических системах и во многих других областях, где нужно быстро находить релевантную информацию.
Итак, искусственный интеллект помогает анализировать и понимать данные. Векторы позволяют перевести смысл в числовую форму. А векторные базы данных помогают хранить эти векторы и быстро находить среди них наиболее похожие.
Вместе эти технологии делают поиск умнее, быстрее и удобнее. Они помогают получать не просто совпадения по словам, а действительно подходящий ответ.
Поэтому, можно сказать, что будущее за системами, которые умеют работать со смыслом. И искусственный интеллект вместе с векторными базами данных — один из самых важных шагов в эту сторону.
В целом, тема искусственного интеллекта является важной в современном мире, потому что она уже влияет на нашу жизнь и будет продолжать это. Главным же созидателем был, есть и останется Человек!!!
В семинаре принимали участие студенты, будущая специальность которых тесно связана с миром IT-технологий и программированием и, очень вероятно, с работой в сфере ИИ. Вполне возможно, что перед нами выступали будущие разработчики векторных БД.
Семинар помог раскрыть творческие и профессиональные способности ребят, увидеть их потенциал, интерес к будущей профессии. Было очень интересно и приятно наблюдать за работой студентов. Особо хочется отметить студентов группы ИП 232 и группы ИП 235 за их неравнодушный подход к освещению выбранных тем. Это выступления Олега Спицына, Егора Черскова, Рамина Каракотова. Интересные и значимые работы были представлены Владиславом Петросяном, Денисом Соломахой, Глебом Петренко, Владой Смирновой. Лучшие работы были оценены дополнительной оценкой по учебной практике.
