Embeddings הם הוקטורים שLLM יוצר מטקסט. כל מילה, משפט או מסמך הופך לוקטור של מאות מספרים שמייצגים את המשמעות שלו. שימושים: semantic search ("מצא לי מסמכים דומים"), RAG, recommendation engines. עלות: ~$0.0001 לכל 1000 tokens (OpenAI text-embedding-3).
התהליך של הפיכת טקסט, תמונה או אודיו לווקטורים מספריים שהמחשב יכול 'להבין' את הקשר ביניהם. הבסיס לכל מנועי החיפוש וההמלצות המודרניים.
כדי לחפש לפי משמעות ולא לפי מילים. חיפוש טקסט רגיל לא ימצא מסמך שמתאר בדיוק את מה שביקשתם אם הוא השתמש במילים אחרות.
לא. חיפוש רגיל מחפש התאמת מחרוזת. כאן ההשוואה היא בין ייצוגים מספריים של משמעות, ולכן שאילתה ומסמך יכולים להתאים בלי מילה משותפת אחת.
כשצריך התאמה מדויקת - מספר חשבונית, קוד מוצר, שם קובץ. שם חיפוש מדויק פשוט עדיף וזול יותר.
קטגוריה: AI & Automation