Vad är embeddings?
Embeddings är en teknik där text, bilder eller annan information omvandlas till numeriska representationer som AI-modeller kan förstå och jämföra.
Till skillnad från traditionell sökning, som matchar exakta ord, gör embeddings det möjligt för AI att förstå betydelsen bakom information och hitta innehåll som är relevant även om andra ord används.
Embeddings är en viktig komponent i många AI-lösningar, bland annat för semantisk sökning, kunskapsdatabaser och RAG-baserade system där AI behöver hitta rätt information i stora mängder data.
Hur fungerar embeddings?
Varje textbit omvandlas till en vektor, en lång lista med siffror. Texter med liknande betydelse får vektorer som ligger nära varandra. "Faktura" och "räkning" hamnar nära varandra, medan "faktura" och "fotboll" hamnar långt ifrån varandra. Vektorerna lagras sedan i en vektordatabas, där det går att söka efter det som ligger närmast en fråga.
Ord och betydelse
En sökning på "hur får jag tillbaka pengar för ett utlägg" kan med embeddings hitta dokumentet "Rutin för reseräkningar", trots att de inte har ett enda ord gemensamt.
Samtidigt kan en sökning på betydelse missa sådant som måste stämma exakt, som artikelnummer eller ordernummer. Därför kombinerar många lösningar sökning på betydelse med vanlig ordsökning.