Búsqueda de vecinos más cercanos

¿Qué es la búsqueda de vecinos más cercanos?

Representa cada elemento como un punto en el espacio, con los elementos parecidos situados cerca unos de otros. La búsqueda de vecinos más cercanos responde a una sola pregunta: dado un punto, encuentra los pocos más próximos. Suena simple, pero es la base compartida de la recomendación, la búsqueda de imágenes, la búsqueda semántica, el RAG y mucho más.

¿Qué la hace difícil?

Alta dimensionalidad
Los vectores reales suelen tener cientos o miles de dimensiones. Con tantas dimensiones, los índices tradicionales se rompen: la «maldición de la dimensionalidad» hace que casi todos los puntos parezcan igual de lejanos.
Conjuntos enormes
Calcular distancias contra millones o miles de millones de puntos uno a uno es inviable, vayas lo rápido que vayas.

¿Cómo se resuelve?

Vecinos más cercanos aproximados (ANN)
Como lo exacto es demasiado lento, te conformas con «bastante cerca»: admites una pizca de error y ganas órdenes de magnitud en velocidad. En la mayoría de casos, los resultados aproximados apenas difieren de los exactos.
Algoritmos comunes
Estructuras de árbol como KD-Tree, hashing como LSH, grafos como HNSW, cuantización como PQ — cada uno con sus concesiones, elegidos según el tamaño y la precisión necesaria.
Herramientas específicas
Librerías y bases de datos como FAISS, Milvus, Pinecone y Weaviate te empaquetan el ANN: tú solo lo llamas.

¿Por qué está en todas partes?

«Encontrar lo parecido» es un movimiento básico del ser humano con la información: canciones parecidas, productos parecidos, respuestas parecidas, imágenes parecidas. Siempre que la IA tiene que «recuperar» contenido relevante de una montaña de datos, casi siempre debajo hay búsqueda de vecinos más cercanos. Es el primer salto del RAG.

En resumen: la búsqueda de vecinos más cercanos encuentra los puntos más próximos a ti en el espacio — la base compartida de toda función de «buscar parecidos».