🎯 Definicja
Wektory (Embeddings) to język, w którym “myślą” komputery.
Dla komputera słowo “Król” to ciąg liczb (np. [0.1, 0.5, -0.9]).
Wektory sprawiają, że słowa o podobnym znaczeniu (“Król” i “Królowa”) mają podobne liczby (leżą blisko siebie w przestrzeni).
🔑 Kluczowe punkty
- Semantyka: Wektory chwytają znaczenie, a nie literki.
- Matematyka słów: Możesz liczyć na słowach.
Król - Mężczyzna + Kobieta = Królowa. - Fundament LLM: ChatGPT nie “czyta” tekstu. Zamienia tekst na wektory, mieli liczby i zamienia wynik z powrotem na tekst.
📚 Szczegółowe wyjaśnienie
Tradycyjne wyszukiwanie (Keyword Search) szukało ciągu znaków “K-O-T”. Nie znajdowało “K-O-C-U-R”, bo litery są inne. Wyszukiwanie Wektorowe (Semantic Search) zamienia “Kot” na wektor. “Kocur” na wektor. Wektory są blisko. System wie, że to o to samo chodzi. To podstawa systemów RAG (Retrieval Augmented Generation).
💡 Przykład zastosowania
Wyszukiwarka w sklepie. Wpisujesz “Czerwony napój gazowany”. Opis produktu: “Coca-Cola puszka”. Zero wspólnych słów. Ale wektor “Czerwony napój” i wektor “Cola” są blisko. Wyszukiwarka pokazuje Colę.
📌 Źródła
- Word2Vec paper (Google).
👽 Brudnopis
- Bez wektorów nie byłoby współczesnego AI. To sposób na zmapowanie ludzkiego, nieprecyzyjnego języka na precyzyjną matematykę.