Activeloop

Activeloop は Deep Lake を作っています。AI システムが実際に保存するデータ——埋め込み、画像、音声、テキストとそのメタデータをまとめて——を扱うデータベースで、その上に継続学習のワークフローを重ね、ある実行の結果が次に効くようにします。サイトは、データ準備の高速化、検索精度の向上、そして実行ごとに積み上がる効果の組み合わせを訴えます。

前提は、汎用データベースではこのデータの形に合わないというものです。一理あります。検索品質はしばしばメタデータに対する絞り込みに依存し、そのメタデータはベクトルと並べて保存し検索する必要があります。これをベクトルストアとリレーショナルデータベースにまたがって手作業で維持するのは、バグの定番の発生源です。切り分けるべきは宣伝と測定です。「準備が速い」「精度が高い」は名指しされない基準との比較で、正しい比較対象は今使っているもの、自社のデータ上です。この種の数値はコーパスへの依存が非常に強いからです。