Base de datos vectorial

¿Qué es una base de datos vectorial?

Una base de datos normal brilla en coincidencias exactas de palabras: pides «manzana» y devuelve registros que contienen la palabra «manzana». Pero la IA necesita buscar por significado: di «una fruta grande y roja» y aun así debería pensar en una manzana. Una base de datos vectorial está hecha justo para encontrar cosas por similitud de significado.

¿Qué guarda exactamente?

Vectores (embeddings)
La IA convierte un texto, una imagen o un clip de audio en una lista de números llamada vector. El contenido de significado parecido acaba cerca en el espacio vectorial.
Búsqueda por similitud
Al consultar, la base no compara palabras: mide cuán cerca está el vector de tu consulta de los vectores guardados. Más cerca, más relevante.

¿Qué problemas resuelve?

Búsqueda semántica
Encontrar el mismo resultado aunque lo digas distinto, sin pelear con palabras clave.
RAG (generación con recuperación)
Antes de responder, un modelo grande saca de la base vectorial los fragmentos más relevantes, y eso reduce las alucinaciones.
Recomendaciones y deduplicación
«Te puede gustar» y «buscar imágenes o artículos similares» funcionan con similitud vectorial.

¿En qué se diferencia de una base normal?

Las bases tradicionales optimizan consultas de igualdad y rango; las vectoriales optimizan la búsqueda del vecino más cercano — cazar rápido lo más próximo en un mar de vectores de muchas dimensiones. Eso exige índices especiales como HNSW, o unos pocos millones de vectores tardarían una eternidad.

En resumen: una base de datos vectorial es el motor de búsqueda bajo la capacidad de la IA para encontrar personas, imágenes y documentos por significado.