Ce este un embedding

Un embedding este o listă de numere care surprinde ce înseamnă un fragment de text, nu doar ce cuvinte conține. Două texte care vorbesc despre același lucru, cum ar fi „indemnizație de concediu” și „concediu plătit”, ajung să fie apropiate în acele numere, chiar dacă nu au niciun cuvânt în comun.

Asta e tehnologia care face ca o căutare să devină înțelegere, nu doar potrivire de cuvinte. Când întrebi „ce se aplică când sunt în concediu?”, sistemul poate găsi secțiunea din politică despre concediu, deși întrebarea ta nu conținea cuvântul „concediu”.

În practică, embedding-urile sunt folosite ca index: documentele voastre sunt împărțite în fragmente, fiecărui fragment i se atribuie numerele sale, iar când vine o întrebare, numerele întrebării sunt comparate cu cele ale fragmentelor. Rezultatele cele mai apropiate sunt trimise modelului de limbaj ca suport. Așa funcționează biblioteca de cunoștințe EuroWork și căutarea în documente, găsind paragraful potrivit într-un manual de sute de pagini, iar costul indexării apare în jurnalul de costuri, ca orice altceva.