在上一篇《向量数据库漫谈》结尾留了两个小问题，这次先来说第一个：向量数据库到底算不算NoSQL数据库。关心结论的可直接拖到底部，感兴趣过程以及国内外AIGC产品对比的可以仔细看看中间的问答截图 - 是的，本文还考虑过另一个题目“国内外六大AIGC平台横评：以向量数据库定义研究为例”。
出乎我的意料，貌似很简单的问题，在搜索引擎上竟不太容易找到直接的答案。事实上，有趣的是中文互联网和英文互联网对于这个问题的解释是正相反的：
中文网站中大多间接表示向量数据库和NoSQL不是一回事。
英文网站中则明确定义向量数据库是一种NoSQL数据库。
以此询问各家大模型，国内平台之前（大概一个月前）普遍认为二者是不同的，但现在大多改口为向量数据库的确是非结构化数据库的一种，不知是不是因为近期快速迭代模型的结果。
文心一言：之前一口咬定向量数据库不是非关系型数据库，最新的解释则折中的说”可以是“，但第二段的解读有点似是而非。
通义千问：和文心类似，也似乎在近几周内模型有了增强并改口，但同样在追加说明部分欠缺了些逻辑性。
讯飞星火：之前没有测试这个平台，此次提问，第一次得到“向量数据库NoSQL一种”的回答，但答案过于简单。让其重新生成回答后，没有禁住考验，给出了相反的答案。（但其他两个国产大模型在“重新生成”这个功能上的表现更差，不管点多少次，生成内容都是一模一样的...）
相比而言，国外的三款大模型的表现还是较好，回答的完备性和合理性更高一些。
ChatGPT 3.5：以英文提问，“fit within the broader classification of NoSQL database”说在点上了，当然整体而言也干货少，灌水多。以中文提问时，直接回答也是废话多，但对反向提问的回答还算比较有帮助：就是由于设计原理、数据模型和应用场景不同，向量数据库有时也会被认为不同于传统的键值、文档等非关系型数据库。
Bard：我个人认为是三款国外产品中表现最好的，在给出肯定回答的同时还以列表形式清楚说明了两者差异，对反向问题的回答也前后逻辑一致，基本观点是向量数据库是一种特殊NoSQL，同时也表示反对意见有其自身的逻辑基础。
Claude：Claude在准确性和简洁度上虽然比不过Bard，但跟牠对话的确更像和一个真人交流，当然目前看来代价还是话有点密。从下面对话链看到，较其他平台而言，Claude每一次生成的内容都更详尽且相关。尽管Claude在开始也认为向量数据库不属于NoSQL，但由于其内容生成质量较高，因而更容易与其形成互动，并能逐步形成兼有正反观点、比较全面的讨论。
总结一下，我认为基本可以参考Bard来人工生成本文主旨问题的答案：由于符合NoSQL数据库“非关系型”分类的基本定义，向量数据库可视为一种特殊类型的NoSQL数据库，但由于设计原理、使用场景的确存在一定的差异，特别是面向的数据结构不同，有部分人从约定俗成的角度认为，NoSQL仅关于键值、文档、列、图等数据类型，因此存储和处理向量数据的数据库不算NoSQL。
从工具评价的角度看，AIGC为研究提效的前景还是很明确的。目前在研究理解以及对比技术概念、原理和趋势的时候，AIGC工具在一定程度上已经可以作为与搜索引擎等效的工具，特别是在业界（训练数据中）已有基本共识的问题上，各家产品大致都已能有效降低知识获取的门槛、充当比较靠谱的专家，比起原有的搜索引擎工具而言对入门者更为友好。对于复杂问题辨析等场景，则还是需要研究者具备一定的先验知识和逻辑推理能力。相信配合私域数据及知识图谱等资源和技术，未来AIGC能在企业知识管理和知识服务场景中有更有效和普遍的应用。
