O bază de date vectorială (vector database) este un sistem de stocare specializat, proiectat pentru a păstra și căuta eficient reprezentări numerice multidimensionale ale datelor — numite vectori sau embeddings — care capturează sensul semantic al textului, imaginilor sau altor tipuri de conținut, permițând căutări bazate pe similaritate conceptuală, nu pe potrivirea exactă a valorilor, cum funcționează bazele de date tradiționale.
Spre deosebire de o bază de date relațională clasică, care caută înregistrări printr-o potrivire exactă sau prin condiții precise (de exemplu, „găsește toate produsele cu prețul sub 100 de lei”), o bază de date vectorială răspunde la întrebări de tipul „găsește documentele cel mai similare semantic cu acest text dat”, calculând distanța matematică (adesea similaritatea cosinus) între vectorul interogării și milioane sau miliarde de vectori stocați, returnând rezultatele cele mai apropiate din punct de vedere conceptual.
Provocarea tehnică centrală pentru bazele de date vectoriale la scară mare este eficiența căutării: o comparație exhaustivă a unui vector de interogare cu fiecare vector stocat individual ar fi extrem de lentă pentru colecții mari de date, motiv pentru care aceste sisteme folosesc algoritmi specializați de căutare aproximativă a celui mai apropiat vecin (Approximate Nearest Neighbor), care organizează inteligent vectorii într-o structură ce permite găsirea rapidă a celor mai similare rezultate, cu un compromis minor și acceptabil între viteză și precizie perfectă.
Bazele de date vectoriale au devenit o componentă infrastructurală esențială pentru arhitecturile moderne de AI generativă, în special pentru sistemele RAG (Retrieval-Augmented Generation), unde permit recuperarea rapidă și relevantă a informațiilor dintr-o bază de cunoștințe extinsă, pentru a îmbogăți răspunsurile generate de modelele de limbaj cu informații actuale sau specifice unei organizații.
