Embedding (vetor semântico)

Um embedding é uma forma de representar um dado — uma palavra, uma frase, um documento ou uma imagem — como uma lista de números, chamada vetor, que captura o seu significado. O essencial é que elementos parecidos recebem vetores parecidos, de modo que ficam «próximos» uns dos outros nesse espaço numérico: por exemplo, «cão» e «filhote» ficarão perto, enquanto «cão» e «avião» ficarão distantes. Os modelos de IA ✕ A inteligência artificial é a capacidade de um sistema de computador de realizar tarefas que associamos à inteligência humana, como entender linguagem, reconhecer imagens ou tomar decisões. Mais no glossário → geram esses embeddings e com eles conseguem comparar significados de forma matemática, e não apenas palavras exatas. É a base da busca semântica (encontrar pelo sentido, não pela correspondência literal), dos sistemas de recomendação e de técnicas como a geração aumentada por recuperação ( RAG ✕ O RAG conecta um modelo de linguagem a uma fonte de dados externa, para que ele responda com base em informação real e atualizada em vez de apenas sua memória. Mais no glossário → ). Os embeddings costumam ser armazenados em bancos de dados vetoriais ✕ Um banco de dados vetorial armazena embeddings (vetores) e os busca por semelhança: dado um vetor de consulta, encontra rapidamente os mais próximos, ou seja, os de significado mais parecido. Mais no glossário → . Em essência, são a ponte entre o significado que as pessoas entendem e os números que as máquinas processam.