Embedding 是什么：AI 怎么把意思变成位置
Embedding（嵌入）是把文字、图片或其他对象映射成一串浮点数，也就是向量。两个向量的距离越小，通常表示它们在这个模型的表示里越相关；这让系统可以比较「意思有多近」，不必只盯着关键词是否相同。1
这期用一座「语义城市」讲清这个过程：表达不同但含义接近的内容会落在相邻街区，查询点进入地图后，系统按距离找出近邻。真实的嵌入空间往往远高于三维，而且单个维度通常无法直接解释，视频里的二维地图只是帮助理解关系。2
你还会看到三个常见用途：语义搜索、相似推荐和文本聚类，并分清三层概念。Token 是切分出来的输入单元；Embedding 是数值表示；向量数据库负责保存、索引和检索这些向量，再把结果连回原文。3
一句话记住：Embedding 把内容变成可比较的位置。位置越近，通常越相关；但相似不等于事实正确，最终仍要回到原文和具体任务里核验。
References
- 1Vector embeddings - OpenAI Developers
developers.openai.com
- 2Embeddings: Embedding space and static embeddings - Google for Developers
developers.google.com
- 3
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.