Cosa sono gli embedding (rappresentazioni vettoriali)
Un embedding è un elenco di numeri che rappresenta il significato di un testo: testi simili hanno vettori simili.
Cosa sono gli embedding (rappresentazioni vettoriali) è una lezione AI Agents gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento AI Agents, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso AI Agents include 4 lezioni in totale.
Dal testo ai numeri
Un embedding è un elenco di numeri (un vettore) che rappresenta il significato di una porzione di testo. I testi con significato simile hanno vettori vicini nello spazio vettoriale.
Perché i vettori?
I computer non possono eseguire calcoli sulle parole, ma possono farlo sui numeri. Gli embedding assegnano a ogni testo una posizione in uno spazio ad alta dimensionalità, così possiamo:
- Misurare la somiglianza tra i testi
- Raggruppare gli elementi correlati
- Eseguire ricerche semantiche (non solo per parola chiave)
Un esempio di embedding
Il modello OpenAI text-embedding-3-small restituisce 1536 numeri per ogni testo. Per "ciao mondo", si ottiene qualcosa di simile:
embedding = [0.0123, -0.0456, 0.0789, 0.0234, -0.0567, 0.0089, -0.0321]
# Real embeddings have ~1536 floats, each between roughly -1 and 1; this is a shortened example.
print("Example embedding (7 of ~1536 dimensions shown):", embedding)
Testi simili, vettori simili
Le coppie seguenti ottengono vettori vicini tra loro:
- "re" e "regina"
- "felice" e "gioioso"
- "auto" e "automobile"
La coppia "re" e "pizza" ottiene vettori molto distanti.
Dimensionalità
Più dimensioni significano più sfumature, ma anche più spazio di archiviazione. Dimensioni comuni:
- OpenAI text-embedding-3-small: 1536
- OpenAI text-embedding-3-large: 3072
- Cohere embed-multilingual-v3: 1024
- BGE-small (OSS): 384
Semantica e lessico
La ricerca lessicale (Elasticsearch, BM25) trova corrispondenze tra le parole chiave. La ricerca semantica (embedding) trova corrispondenze di significato.
"Come posso riparare la mia auto?" corrisponde semanticamente a "consigli per la riparazione dell’auto", anche se non condividono alcuna parola.
Embedding per i documenti
È possibile trasformare in embedding:
- Query brevi
- Frasi
- Paragrafi (circa 500 token è la dimensione ideale)
- Documenti interi (con perdita di qualità)
Embedding per il codice
Esistono modelli di embedding specifici per il codice (ad esempio Voyage Code, Jina Code) che comprendono la sintassi di programmazione e superano gli embedding testuali generici nella ricerca del codice.
Embedding multimodali
È possibile trasformare immagini, audio e video nello stesso spazio del testo, abilitando la ricerca tra modalità diverse. CLIP è l’esempio più noto per le immagini.
Bias negli embedding
Gli embedding riflettono i dati usati per l’addestramento. Codificano pregiudizi: associazioni tra genere e professione, stereotipi razziali e così via. Presti attenzione quando li utilizza per decisioni di classificazione che coinvolgono persone.
Che cosa non possono fare gli embedding
- Non possono risolvere problemi matematici
- Non possono eseguire inferenze logiche
- Non possono generare testo
- Non possono ragionare su causa ed effetto
Servono a MISURARE la somiglianza, non a RAGIONARE.
Definizione di embedding
Che cos’è un embedding?
Riepilogo
Gli embedding trasformano il testo in vettori. I vettori permettono la ricerca semantica, il clustering e il RAG. Ora li genereremo con l’API OpenAI.
Domande Frequenti
La lezione «Cosa sono gli embedding (rappresentazioni vettoriali)» è gratuita?
Sì — il testo completo di «Cosa sono gli embedding (rappresentazioni vettoriali)» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso AI Agents, passa a CoddyKit PRO. Il corso AI Agents include 4 lezioni in totale.
Cosa imparerò in «Cosa sono gli embedding (rappresentazioni vettoriali)»?
Un embedding è un elenco di numeri che rappresenta il significato di un testo: testi simili hanno vettori simili. Eserciti AI Agents con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare AI Agents?
Non è richiesta alcuna esperienza precedente. AI Agents su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Cosa sono gli embedding (rappresentazioni vettoriali)»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione AI Agents?
Sì. Ogni lezione AI Agents include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Cosa sono gli embedding (rappresentazioni vettoriali)
- Generare embedding con text-embedding-3
- Similarità coseno per il retrieval
- Confronto tra modelli di embedding (OpenAI, Cohere e OSS)