FAISS

¿Qué es FAISS?

En el mundo de la IA, el texto, las imágenes y el audio se convierten en cadenas de números llamadas vectores. Buscar «los que más se parecen a esto» por fuerza bruta se derrumba en cuanto crecen los datos. FAISS es la librería de código abierto de Meta para búsqueda de similitud de vectores, hecha justo para eso: indexa colecciones enormes de vectores para que saques el lote más parecido en milisegundos.

¿Qué problema resuelve?

Búsqueda por similitud
Dado un vector de consulta, encontrar rápido los K vecinos más cercanos entre millones o miles de millones de vectores.
Vecinos más cercanos aproximados (ANN)
La búsqueda exacta es demasiado lenta, así que FAISS cambia un poco de precisión por velocidad: un error mínimo compra una aceleración de miles de veces, sin pérdida real en resultados.
Soporte de GPU y disco
Cuando los datos ya no caben en memoria, puede acelerar en GPU o guardar el índice en disco, manejando cientos de millones de vectores.

¿Cómo lo consigue?

Estructuras de índice
FAISS trae muchos tipos de índice — el Flat por fuerza bruta, el IVF de archivo invertido, el PQ de cuantización por producto, más variantes de GPU y disco — para elegir según el escenario.
Compresión y poda
La cuantización encoge los vectores, el clustering reduce el espacio de búsqueda, y solo haces cuentas precisas en una región pequeña. Ahí está la velocidad.

¿Dónde se usa?

El uso más común es RAG (generación aumentada por recuperación): troceas una base de conocimiento, conviertes los trozos en vectores, los guardas en FAISS, y al preguntar recuperas las piezas relevantes para dárselas al modelo. Recomendación, búsqueda de imágenes, deduplicación y detección de copyright también se apoyan en él.

En resumen: FAISS es un buscador de vectores — indexa millones de ellos y encuentra los más parecidos en milisegundos.