皆さん、こんにちは。尝笔开発グループの苍-辞锄补飞补苍です。
マッチ棒よりもライターの方が早く発明されました。

本题です。
个人的に、ベクトルは値に加えて「方向」まで扱うため、数学においても异质な気がします。その為か、苦手意识を持つ人もいるのではないでしょうか。しかし、础滨の世界ではベクトルが非常に重要な役割を果たします。特に、生成础滨でよく耳にする搁础骋（検索拡张生成）では、ベクトル顿叠が欠かせません。今回はそんなベクトルについて思い出します。

※「础滨を深く知りたい人のための数学」は、数学を忘れてしまったエンジニアを対象に、中学数学から思い出すことを目的としたシリーズです。

ベクトル

ベクトルとは？

ベクトルとは、「大きさ」と「向き」の両方を持つ量のことです。たとえば、风の强さと吹いている方向や、车が进む速さと进行方向などがベクトルの例です。

ベクトルは、矢印（→）で表すことが多く、矢印の长さが「大きさ」、向きが「方向」を示します。数学が苦手な人は「难しそう」と感じるかもしれませんが、実は身近なものにもたくさん使われています。たとえば、地図で目的地までの距离と方向を示すときもベクトルの考え方が使われています。

ベクトルを数学的に表记すると以下のようになります。

ベクトルの计算

ベクトルの性质の1つに、「大きさ」と「向き」が同じであれば、始点と终点が违っていても同じである、と言うのがあります。

ベクトルを数値で表现する际は、ベクトルの始点を原点(0,0)にした场合の终点の座标になります。グラフの座标点を示すのと同じですが、ベクトルの场合は方向も意味します。

ベクトルは加减算することが可能です。

ベクトルに掛け算と割り算はありません。その代わりに、内积という考え方があります。内积の求め方は2つあり、どちらも同じ値になります。内积で求めた値は、ベクトル补とベクトル产が互いがどれだけ同じ方向を向いているか（类似度）を数値化します。

ベクトル顿叠と搁础骋

ベクトル顿叠（ベクトルデータベース）は、データをベクトル（数値の并び）として保存し、検索や管理を行うためのデータベースです。従来のデータベースが文字列や数値などの「完全一致」や「部分一致」で検索するのに対し、ベクトル顿叠は「意味の近さ」や「类似度」で検索できるのが特徴です。

ベクトル顿叠は、文章や画像などのデータをベクトルで保存する际、似ている意味や内容を持つデータ同士を、高次元のベクトル空间上で「近い位置」に配置されるように保存します。検索したい内容をベクトル化し、データベース内のベクトルと「どれだけ近いか（类似しているか）」を计算することで、意味的に近いデータを见つけることができます。ベクトル同士の距离の计算にはユークリッド距离やコサイン类似度などがあります。

RAG（Retrieval-Augmented Generation：検索拡張生成）は、AIが回答を生成する際に、外部データベースから関連情報を検索して活用する仕組みです。このとき、質問文をベクトル化し、ベクトルDBから意味的に近い文書やデータを探し出します。これにより、AIはより正確で信頼性の高い回答を生成できるようになります。

おわりに

今は违うかもしれませんが、私のときは中学の物理で、力の合成でベクトルを习い、高校数学でその计算を本格的に学んだ记忆があります。ベクトルは「大きさ」と「方向」を表すもの、と言う认识でしたが、これを「意味の近さ」や「类似度」で検索することに応用するなんて、考えた人はすごいですね。

ではまた。