Embedding es la técnica de convertir datos como texto, imagen o audio en un vector de números. Ese vector captura el significado del dato original en un espacio matemático, donde los elementos similares quedan cerca y los diferentes quedan lejos. Es la base de sistemas de búsqueda semántica, RAG y recomendación.
Cómo funciona
Un modelo de embeddings recibe un texto y genera un vector de cientos o miles de dimensiones. Cada dimensión representa alguna característica abstracta del significado. El modelo aprende esas representaciones durante el entrenamiento, ajustando los vectores para que textos con significado parecido queden cerca.
La comparación entre vectores usa métricas como la similitud del coseno, que mide el ángulo entre dos vectores. Cuanto menor el ángulo, más similares son los significados. Esto permite buscar documentos por significado en lugar de por palabras exactas.
Ejemplo práctico
Una base de conocimiento contiene 10 mil artículos. Un usuario pregunta "cómo restablecer la contraseña". El sistema convierte la pregunta en embedding y la compara con los embeddings de todos los artículos. Los artículos sobre recuperación de cuenta, restablecimiento de contraseña e inicio de sesión aparecen en la parte superior, aunque usen palabras diferentes a las de la pregunta.
Para qué sirve
Los embeddings son la base de la búsqueda semántica, RAG y los sistemas de recomendación. En bridgecode, los agentes que consultan bases de conocimiento usan embeddings para encontrar la información relevante antes de generar una respuesta, reduciendo alucinaciones y manteniendo el contexto actualizado.