O que são embeddings vetoriais?

Embeddings vetoriais são significado transformado em números. Um modelo converte texto, imagens ou áudio numa longa lista de números posicionados de forma que significados parecidos caiam numericamente perto uns dos outros, permitindo que computadores comparem ideias em vez de casar palavras.

Um modelo de embedding mapeia cada trecho de texto para um ponto num espaço com centenas ou milhares de dimensões. A distância nesse espaço acompanha a similaridade de significado, então "carro" acaba perto de "automóvel" mesmo sem compartilhar letra alguma, e o banco de sentar fica longe do banco de guardar dinheiro quando o contexto muda. Essa única propriedade sustenta boa parte da IA moderna: busca semântica que encontra documentos que significam o que você perguntou, e não que contêm as suas palavras, recomendações, detecção de duplicatas, agrupamento e a etapa de recuperação do RAG. Embeddings ficam guardados em bancos de dados vetoriais e são comparados com medidas de similaridade. Duas ressalvas práticas: embeddings herdam os vieses e pontos cegos dos dados em que foram treinados, e embeddings de uso geral podem perder as nuances de áreas especializadas, então texto jurídico ou médico costuma pedir modelos ajustados ao domínio.

Um mapa gigante de sabores em que cada prato ganha coordenadas. O sushi fica perto do sashimi e longe dos brownies, enquanto a torta de limão cai em algum lugar entre sobremesa e cítricos. Ninguém prova as coordenadas, mas medir a distância entre dois pratos diz na hora se eles são parecidos.