Embedding
En embedding representerar innehåll som en talvektor. Modell och jämförelsemetod avgör vilka likheter som blir synliga.
En embedding (inbäddning) är en numerisk representation av innehåll i ett vektorrum. För text skapar en modell sådana representationer så att likheten mellan exempelvis en fråga och dokumentavsnitt kan jämföras.
Ett sökexempel
I en hypotetisk kunskapsportal frågar någon om att ”skicka tillbaka”, medan instruktionen använder ”retur”. Lämpliga embeddings kan hjälpa till att hitta avsnittet trots andra ord. Det beror på modell och data.
Hög likhet bevisar varken samma betydelse i varje detalj eller faktamässig riktighet. Den ger inte heller läsrätt. Urval, giltighet och tillåten åtkomst till resultatet behöver bedömas separat.
Källor
Relaterade begrepp
- VektordatabasEn vektordatabas lagrar och söker i vektorrepresentationer. En liknande träff är inte automatiskt en giltig och tillåten svarskälla.
- Generering med hämtad informationRAG förenar informationssökning med ett genererat svar. Källåtkomst ersätter inte utformning av kvalitet och behörigheter.
- KonfidenspoängEn konfidenspoäng bedömer en modellförutsägelse enligt den använda metoden. Den ger inget verksamhetsmässigt godkännande.
- ModellkortEtt modellkort dokumenterar syfte, grunder, utvärderingsvillkor och kända begränsningar för en viss version av en AI-modell.
- Beredskap för AIBeredskap för AI gäller ett projekts förutsättningar: mål, användbara data, kompetens, ansvar och ett fungerande arbetssätt för driften.
- KontextutformningKontextutformning förbereder information inför varje modellanrop: relevanta instruktioner, meddelanden, källor och aktuella tillstånd.
Artiklar om ämnet
AI & automatisering med ASES
AI-assistenter och automatiserade flöden