Un vector es una lista ordenada de números que representa un punto en un espacio multidimensional. En inteligencia artificial, los vectores son la forma en que los modelos representan datos: un texto, una imagen o un sonido se convierte en un vector de cientos o miles de números, donde cada número captura alguna característica del dato original.
Cómo funciona
Cuando un modelo de embeddings procesa un texto, genera un vector. Cada posición del vector corresponde a una dimensión del espacio de significado. Textos con significado parecido generan vectores cercanos en ese espacio; textos diferentes generan vectores distantes.
La comparación entre vectores usa métricas matemáticas como la similitud del coseno o la distancia euclidiana. Estas métricas permiten buscar ítems similares, agrupar datos y alimentar sistemas de recomendación y RAG. Las bases de datos vectoriales están optimizadas para almacenar y buscar vectores a escala.
Ejemplo práctico
La frase "gato durmiendo en el sofá" y la frase "felino descansando en el diván" generan vectores cercanos, porque el significado es similar. La frase "receta de pastel de chocolate" genera un vector distante. Un sistema de búsqueda vectorial encuentra la primera cuando el usuario busca "animal descansando", incluso sin palabras en común.
Para que sirve
Los vectores son la base de la búsqueda semántica, RAG y los sistemas de recomendación. En bridgecode, los agentes usan vectores para encontrar información relevante en bases de conocimiento, permitiendo respuestas más precisas y contextualizadas.