Embedding (vector semántico)

Un embedding es una forma de representar un dato —una palabra, una frase, un documento o una imagen— como una lista de números, llamada vector, que captura su significado. La clave es que los elementos parecidos obtienen vectores parecidos, de manera que quedan «cerca» unos de otros en ese espacio numérico: por ejemplo, «perro» y «cachorro» estarán próximos, mientras que «perro» y «avión» estarán lejos. Los modelos de IA ✕ La inteligencia artificial es la capacidad de un sistema informático de realizar tareas que asociamos a la inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones. Más en el glosario → generan estos embeddings y con ellos pueden comparar significados de forma matemática, no solo palabras exactas. Es la base de la búsqueda semántica (encontrar por sentido, no por coincidencia literal), de los sistemas de recomendación y de técnicas como la generación aumentada por recuperación ( RAG ✕ RAG conecta un modelo de lenguaje con una fuente de datos externa, para que responda basándose en información real y actualizada en vez de solo su memoria. Más en el glosario → ). Los embeddings se almacenan a menudo en bases de datos vectoriales ✕ Una base de datos vectorial almacena embeddings (vectores) y los busca por parecido: dado un vector de consulta, encuentra rápidamente los más cercanos, es decir, los de significado más similar. Más en el glosario → . En esencia, son el puente entre el significado que entienden las personas y los números que procesan las máquinas.