Czym są embeddingi (reprezentacje wektorowe)
Embedding to lista liczb reprezentująca znaczenie tekstu — podobne teksty mają podobne wektory.
Czym są embeddingi (reprezentacje wektorowe) to bezpłatna lekcja AI Agents na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Agents, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Agents zawiera 4 lekcji w sumie.
Od tekstu do liczb
Embedding to lista liczb (wektor) reprezentująca znaczenie fragmentu tekstu. Teksty o podobnym znaczeniu mają wektory położone blisko siebie w przestrzeni wektorowej.
Dlaczego wektory?
Komputery nie potrafią wykonywać obliczeń na słowach, ale potrafią wykonywać je na liczbach. Embeddingi nadają każdemu tekstowi położenie w wielowymiarowej przestrzeni, dzięki czemu możemy:
- Mierzyć podobieństwo tekstów
- Grupować powiązane elementy
- Wyszukiwać semantycznie (a nie tylko po słowach kluczowych)
Przykład embeddingu
Model OpenAI text-embedding-3-small zwraca 1536 liczb dla każdego tekstu. Dla „hello world” otrzymasz coś w rodzaju:
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)
Podobne teksty, podobne wektory
Poniższe pary otrzymują wektory położone blisko siebie:
- „king” i „queen”
- „happy” i „joyful”
- „car” i „automobile”
Para „king” i „pizza” otrzymuje wektory położone daleko od siebie.
Wymiarowość
Więcej wymiarów oznacza więcej niuansów, ale również większe zapotrzebowanie na pamięć. Typowe rozmiary:
- OpenAI text-embedding-3-small: 1536
- OpenAI text-embedding-3-large: 3072
- Cohere embed-multilingual-v3: 1024
- BGE-small (OSS): 384
Semantyczne a leksykalne
Wyszukiwanie leksykalne (Elasticsearch, BM25) dopasowuje słowa kluczowe. Wyszukiwanie semantyczne (embeddingi) dopasowuje znaczenie.
„How to fix my car?” pasuje semantycznie do „auto repair tips” — mimo że te wyrażenia nie mają ani jednego wspólnego słowa.
Embeddingi dokumentów
Embeddingiem możesz opatrzyć:
- Krótkie zapytania
- Zdania
- Akapity (optymalnie około 500 tokenów)
- Całe dokumenty (z utratą jakości)
Embeddingi kodu
Istnieją wyspecjalizowane modele embeddingów kodu (np. Voyage Code, Jina Code), które rozumieją składnię programowania i przewyższają ogólne modele embeddingów tekstu w wyszukiwaniu kodu.
Embeddingi multimodalne
Obrazy, dźwięk i wideo możesz osadzać w tej samej przestrzeni co tekst, co umożliwia wyszukiwanie między modalnościami. CLIP to znany przykład dotyczący obrazów.
Stronniczość embeddingów
Embeddingi odzwierciedlają dane treningowe. Kodują stronniczość, na przykład skojarzenia płci z zawodami i stereotypy rasowe. Pamiętaj o tym, gdy używasz ich do podejmowania decyzji dotyczących kolejności osób.
Czego embeddingi nie potrafią
- Nie rozwiązują zadań matematycznych
- Nie wykonują wnioskowania logicznego
- Nie generują tekstu
- Nie rozumują o związkach przyczynowo-skutkowych
Służą do MIERZENIA podobieństwa, a nie do ROZUMOWANIA.
Definicja embeddingu
Czym jest embedding?
Podsumowanie
Embeddingi przekształcają tekst w wektory. Wektory umożliwiają wyszukiwanie semantyczne, klastrowanie i RAG. Następnie wygenerujemy je za pomocą API OpenAI.
Ucz się AI Agents dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 60
- Lekcje
- 239
Często zadawane pytania
Czy lekcja „Czym są embeddingi (reprezentacje wektorowe)” jest bezpłatna?
Tak — pełny tekst „Czym są embeddingi (reprezentacje wektorowe)” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Agents, przejdź na CoddyKit PRO. Kurs AI Agents zawiera 4 lekcji w sumie.
Co nauczysz się w „Czym są embeddingi (reprezentacje wektorowe)”?
Embedding to lista liczb reprezentująca znaczenie tekstu — podobne teksty mają podobne wektory. Ćwiczysz AI Agents z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć AI Agents?
Nie wymagamy żadnego doświadczenia. AI Agents w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Czym są embeddingi (reprezentacje wektorowe)”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji AI Agents?
Tak. Każda lekcja AI Agents zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Czym są embeddingi (reprezentacje wektorowe)
- Generowanie embeddingów za pomocą text-embedding-3
- Podobieństwo cosinusowe w wyszukiwaniu
- Porównanie modeli embeddingów (OpenAI vs Cohere vs OSS)