의미 기반 검색
의미 기반 검색은 검색 쿼리의 의미와 의도를 이해하여, 단순히 키워드 일치가 아닌 개념 상의 연관성에 따라 결과를 제공하는 검색 기술입니다.
이해하기 의미 기반 검색
전통적인 키워드 검색은 쿼리의 단어와 문서의 단어를 정확히 일치시키는 방식입니다. 의미 기반 검색은 한 단계 더 나아가, 사용자의 의도를 파악합니다. 예를 들어 '예산 회의'라는 검색어를 입력하면, 의미 기반 검색은 이와 연관된 '3분기 재무 계획 논의'라는 제목의 문서도 찾아냅니다. 이는 텍스트의 의미를 숫자 벡터로 표현하는 임베딩 기술 덕분입니다. 의미 기반 검색은 표현이 달라도, 자연스럽게 동의어도 인식하며, 반드시 동일한 단어가 문서에 없어도 관련 내용을 찾아낼 수 있습니다.
GAIA 활용 방법 의미 기반 검색
GAIA는 ChromaDB 벡터 임베딩을 활용한 의미 기반 검색을 통해 모든 연결된 도구에서 정보를 찾아줍니다. 사용자가 GAIA에게 무언가를 찾아달라고 요청하면, 키워드가 아니라 의미로 검색합니다. 예를 들어 'Sarah가 제품 출시 일정에 대해 논의한 이메일을 찾아줘'라고 물으면, 이메일 제목이 'Re: Q2 계획'이어도 GAIA가 해당 메일을 찾아줍니다. 의미 기반 검색은 이메일, 작업, 문서, 노트 등에서 동시에 작동합니다.
관련 개념
벡터 임베딩
벡터 임베딩은 텍스트, 이미지 등 다양한 데이터를 의미를 반영한 수치로 표현하여, 기계가 정보 간 유사성과 관계를 이해할 수 있게 하는 기법입니다.
지식 그래프
지식 그래프는 정보를 엔터티, 그 속성, 그리고 이들 간의 관계로 구조화하여, 기계가 연결된 정보를 이해하고 추론할 수 있게 하는 데이터 구조입니다.
그래프 기반 메모리
그래프 기반 메모리는 정보를 서로 연결된 노드와 관계로 저장하여, 상호작용 전반에 걸쳐 풍부한 맥락 이해와 지속적인 지식 유지를 가능하게 하는 AI 메모리 아키텍처입니다.
컨텍스트 인식
AI에서 컨텍스트 인식은 작업이나 상호작용을 둘러싼 전체 상황을 이해하는 능력을 의미합니다. 참여자, 이전에 일어난 일, 관련 프로젝트, 마감일, 사용자의 선호와 패턴 등이 포함됩니다.


