Hoe werkt het?
Een AI-model zet een stuk tekst (of een beeld of audio) om in een lijst van honderden tot duizenden getallen. Die getallen vormen samen een positie in een "betekenisruimte". Twee zinnen die hetzelfde betekenen, krijgen posities die dicht bij elkaar liggen, ook al gebruiken ze andere woorden.
Embeddings zetten betekenis om in iets dat een computer kan meten: afstand.
Waarvoor dient het?
Embeddings zijn de onzichtbare bouwsteen onder veel AI-toepassingen:
- Semantisch zoeken: zoeken op betekenis in plaats van op exacte woorden.
- Vector stores en RAG: de embeddings worden opgeslagen en doorzoekbaar gemaakt, zodat een AI-assistent de juiste passages vindt.
- Aanbevelingen en classificatie: gelijkaardige items groeperen of voorstellen.
Waarom belangrijk?
Zonder embeddings kan een systeem alleen op exacte woorden matchen. Embeddings maken het mogelijk om te werken met betekenis, en dat is precies wat een AI-assistent nodig heeft om jouw content te begrijpen en er accuraat op te antwoorden.
Verwante begrippen
- Vector store: de database waarin embeddings worden bewaard en doorzocht.
- Semantisch zoeken: zoeken op betekenis, mogelijk gemaakt door embeddings.
- RAG: haalt via embeddings de juiste info op vóór een AI antwoordt.
