flaibo
Glossario

Embeddings

Un modo per convertire il testo in un elenco di numeri che ne cattura il significato, così che contenuti con significato simile finiscano con numeri simili anche quando la formulazione è completamente diversa.

Nessuna carta richiesta

Cosa significa in pratica

Quando un fornitore presenta uno strumento di ricerca o una knowledge base basati sull'AI e menziona gli embedding, ciò che accade realmente dietro le quinte è che ogni documento, e ogni query di ricerca, viene convertito in questa rappresentazione numerica del significato. Due passaggi che parlano della stessa idea, scritti con parole completamente diverse, finiscono vicini tra loro in quello spazio numerico, ed è proprio questo che permette al sistema di recuperare un risultato pertinente anche quando non hai usato lo stesso vocabolario del documento sorgente. Questo è il livello che fa sembrare che uno strumento di ricerca AI capisca cosa intendevi dire, invece di limitarsi a ciò che hai digitato, ed è la stessa tecnologia alla base di funzionalità come gli articoli correlati o la ricerca di documenti simili.

Esempio

Cerca nella knowledge base aziendale la frase 'tagliare le spese'. Una ricerca basata solo su parole chiave non restituisce nulla, perché nessuno dei documenti archiviati contiene quella frase esatta. Una ricerca costruita sugli embedding trova comunque il memo interno intitolato 'Riduzione dei costi operativi', perché la rappresentazione numerica di 'tagliare le spese' e 'riduzione dei costi operativi' finisce vicina, anche se non condividono nemmeno una parola.

Spesso confuso con

vs. Keywords / Tags

La ricerca per parole chiave e i tag assegnati manualmente corrispondono solo a parole letterali: un documento deve contenere il tuo termine di ricerca esatto, oppure una persona deve averlo etichettato in anticipo con il tag giusto, altrimenti non emergerà affatto. Gli embedding eliminano completamente questa dipendenza dalla formulazione esatta, classificando invece i risultati in base alla vicinanza concettuale, ed è per questo che una ricerca basata su embedding può trovare un documento perfettamente pertinente che una ricerca per parole chiave o un file non etichettato lascerebbero silenziosamente sfuggire.

Frequently asked questions

Vuoi il tuo contesto in un unico posto?

Flaibo conserva il tuo ruolo, il tuo tono e il tuo lavoro passato in un unico posto, e li inserisce nei prompt che porti in qualsiasi AI tu usi, così una nuova chat non deve ripartire da una finestra di contesto vuota.

Inizia gratis

Il tuo contesto, ovunque