एंबेडिंग

They are the bridge that lets AI compare meaning mathematically.

कंप्यूटर सीधे तौर पर कच्चे पाठ के बारे में तर्क नहीं कर सकते हैं, इसलिए मॉडल पहले प्रत्येक टोकन, वाक्य या छवि को एक वेक्टर, सैकड़ों या हजारों संख्याओं की एक क्रमबद्ध सूची में परिवर्तित करते हैं। इन वैक्टरों को व्यवस्थित किया गया है ताकि शब्दार्थ रूप से समान वस्तुएं एक-दूसरे के पास बैठें: 'बिल्ली' 'बिल्ली का बच्चा' के पास भूमि, और एक प्रश्न उन दस्तावेजों के पास भूमि जो इसका उत्तर देते हैं। मॉडल इन स्थितियों को प्रशिक्षण के दौरान सीखता है, हाथ से नहीं। एक प्रसिद्ध उदाहरण यह है कि वेक्टर गणित रिश्तों को पकड़ सकता है, जहां 'राजा' को घटाकर 'पुरुष' और 'महिला' को घटाकर 'रानी' के करीब लाया जाता है। आरएजी सिस्टम में शक्ति खोज, सिफारिशें, क्लस्टरिंग और पुनर्प्राप्ति चरण को एम्बेड करना, क्योंकि समानता स्कोर के साथ दो वैक्टर की तुलना करना तेज़ और सार्थक है। महत्वपूर्ण रूप से, एम्बेडिंग प्रशिक्षण डेटा से सांख्यिकीय पैटर्न कैप्चर करते हैं, इसलिए वे उस डेटा के पूर्वाग्रहों को भी ले जा सकते हैं।