비교 개요
AI의 지식을 정리하는 두 가지 근본적으로 다른 방식
벡터 검색 (Vector Search)
은유: “파일 캐비닛”
- 문서를 벡터로 변환
- 의미적 유사성으로 검색
- 비슷한 “분위기”의 정보 수집
특징
- 간단한 구조
- 빠른 검색
- 관계성 부족
- 문맥 이해 한계
사용 사례
- 일반적인 의미 검색
- 유사 문서 찾기
- 신속한 조회 필요 시
지식 그래프 (Knowledge Graph)
은유: “구조화된 두뇌”
- 정보를 노드와 간선으로 표현
- “누가 무엇을 어떻게 했는지” 명시
- 거대한 마인드맵
특징
- 복잡한 관계 표현
- 추론 가능
- 높은 정확도
- 인간의 사고와 유사
사용 사례
- 복잡한 질문
- 추론 필요한 작업
- 신뢰성이 중요한 분야
성능 비교
| 측면 | 벡터 검색 | 지식 그래프 |
|---|---|---|
| 성능 | 중간 | 🏆 높음 |
| 비용 | 낮음 | 중간 |
| 복잡성 | 낮음 | 높음 |
| 추론 | 약함 | 강함 |
| 설명 가능성 | 낮음 | 높음 |
핵심 발견
”이미 정리된 데이터 + 지식 그래프”
성능: 최고 ⬆️⬆️
비용: 최저 ⬇️⬇️
복잡성: 최저 ⬇️⬇️
결론
벡터 검색: 빠르지만 얕음
지식 그래프: 느리지만 깊음
최적: 이미 정리된 데이터를 지식 그래프로 = 빠르고 깊음
관련 개념
- — 벡터 임베딩
- Knowledge Graph — 지식 그래프
- RAG — 검색 증강 생성