Une explication détaillée de l'algorithme HNSW pour la recherche vectorielle.

J'ai beaucoup l'analogie utilisée par Qdrant avec un voyage.

Quand vous voyagez d'un petit village à un autre:

• bus pour Lyon
• train pour Paris
• avion pour Berlin
• train Hambourg
• bus pour Lüneburg

Chaque étape utilise un moyen de transport ayant moins de hub et capable de faire de plus grandes distances

L'algorithme HNSW fonctionne selon ce principe, le plan vectoriel est découpé en couches. Plus on est dans une couche haute, moins il y a de vecteurs et plus les vecteurs sont éloignés les uns des autres.

Au fur et à mesure de la recherche, on va de plus en plus bas dans les couches jusqu'à arriver à la dernière et on peut donc récupérer tous les vecteurs les plus proches en un minimum d'opérations.

Une nouvelle technique à base d'IA générative pour faire bouger des parties d'une photo