Milvus团队期待能打通embedding空间的相关技术，比如中间层、中间层的神经网络模型。落实到具体场景应用上，则期待看到综合场景下搜索技术的突破，对不同模态的数据进行高效准确的关联搜索。
身处万物皆可embedding的AI时代，Milvus团队有什么技术见解，研发工作遵循什么方法，关于AI和数据库这一交叉领域又有怎样的思考？跟着这篇AI科技评论的专访，咱们深入了解一下。
AI科技评论报道编辑
陈大鑫
想象一下，一位计算神经科学家正在引导数百只小老鼠在迷宫运动，还用上了最新技术对实验对象的神经元进行成像。小白鼠们没兜几圈，TB级的视频数据和大脑数据就产生了。
接下来，科学家还要把庞杂的图像信息转化成深度语义，计算数据之间的关系，做出关于行为如何被大脑控制的假设，并进行下一轮的验证工作。
不仅仅是科研领域，随着科技的高速发展，智能城市、电子商务等跟民生相关的社会场景都需要进行海量动态数据的预处理。这个时候，就需要用到能够梳理数据关系的通用型基础设施。
在刚结束的数据管理国际顶会ACMSIGMOD/PODS（SpecialInterestGrouponManagementofData）上，一款从非结构化数据中挖掘隐式语义的神器——向量数据库Milvus，就因强大的底层功能而被评委会相中。
（论文链接：