Co je to embedding

Embedding je seznam čísel, který zachycuje, co znamená úsek textu, a ne jen to, jaká slova obsahuje. Dva texty, které se zabývají stejnou věcí, například „náhrada za dovolenou“ a „placené volno“, se v těchto číslech ocitnou blízko sebe, i když nesdílejí ani jedno slovo.

Je to technologie, díky které se vyhledávání mění ve skutečné porozumění, místo pouhého párování slov. Když se zeptáte „co platí, když jsem na dovolené?“, systém najde pasáž o dovolené v interních předpisech, i když vaše otázka neobsahovala slovo „dovolená“.

V praxi se embeddingy používají jako index: vaše dokumenty se rozdělí na části, každá část dostane svá čísla a když přijde dotaz, porovnají se čísla dotazu s čísly částí dokumentů. Nejbližší výsledky se pošlou jazykovému modelu jako podklad. Takhle EuroWork v knihovně znalostí nebo při vyhledávání v dokumentech najde správný odstavec v příručce o sto stránkách. Náklady na indexování se pak zobrazí ve výkazu nákladů, stejně jako všechno ostatní.