Embedding
Embedding, içeriği sayısal bir vektörle temsil eder. Hangi benzerliklerin yakalanacağı modele ve karşılaştırma yöntemine bağlıdır.
Embedding, içeriğin vektör uzayındaki sayısal gösterimidir. Metinde bir model bu gösterimleri üretir; örneğin soru ile belge parçalarının benzerliği karşılaştırılabilir.
Arama örneği
Varsayımsal bir bilgi portalında biri “geri gönderme” diye sorarken kılavuz “iade” sözcüğünü kullanır. Uygun embedding’ler, farklı sözcüklere rağmen ilgili bölümü bulmaya yardımcı olabilir. Başarı modele ve veriye bağlıdır.
Yüksek benzerlik, her ayrıntıda aynı anlamı veya olgusal doğruluğu kanıtlamaz. Okuma yetkisi de vermez. Sonucun seçimi, geçerliliği ve ona erişimin izinli olması ayrıca belirlenmelidir.
Kaynaklar
İlgili terimler
- Vektör veritabanıVektör veritabanı, embedding’leri saklar ve bunlar üzerinde arama yapar. Benzer bir sonuç, geçerli ve erişim izni olan bir yanıt kaynağı demek değildir.
- RAGRAG, ilgili bilgiyi aramayı yanıt üretimiyle birleştirir. Kaynak erişimi, kalite ve yetki tasarımını gereksiz kılmaz.
- Güven puanıGüven puanı, kullanılan yönteme göre model tahmininin güven düzeyini belirtir. İş açısından onay veya eylem yetkisi vermez.
- Model kartıModel kartı; bir yapay zekâ modelinin amacını, dayanaklarını, değerlendirme koşullarını ve bilinen sınırlarını belirli sürüm için belgeler.
- Yapay zekâya hazırlıkYapay zekâya hazırlık; bir proje için amaç, kullanılabilir veri, yetkinlik, sorumluluk ve işletim sürecinin durumunu değerlendirir.
- Bağlam mühendisliğiBağlam mühendisliği, her model çağrısı için uygun talimatları, mesajları, kaynakları ve güncel durum bilgisini hazırlar.
Bu konudaki yazılar
ASES ile Yapay zekâ ve otomasyon
Yapay zekâ asistanları ve otomatik iş akışları