Embeddings

Wat zijn embeddings?

Embeddings zijn reeksen getallen waarmee AI de betekenis van tekst, afbeeldingen of andere data vastlegt. Elk woord, elke zin of elk document krijgt een eigen positie in een ruimte met honderden tot duizenden dimensies. Dingen die qua betekenis op elkaar lijken, komen daar dicht bij elkaar te liggen: “factuur” ligt dichter bij “rekening” dan bij “fiets”.

Hoe werkt het?

Een embeddingmodel wordt getraind op enorme hoeveelheden tekst en leert daarbij welke woorden en zinnen in vergelijkbare contexten voorkomen. Het resultaat is een soort betekeniskaart. Wil je weten of twee teksten over hetzelfde gaan, dan vergelijk je simpelweg de afstand tussen hun posities op die kaart. Vroege technieken als Word2Vec en GloVe maakten één vaste vector per woord; moderne embeddingmodellen maken vectoren voor hele zinnen en documenten en houden rekening met context, zodat “bank” in “geld op de bank” iets anders oplevert dan in “op de bank zitten”.

Wat heb je eraan als bedrijf?

Embeddings zijn de motor achter slimme zoekfuncties en AI-assistenten die met je eigen documenten werken. Wil je dat een chatbot vragen beantwoordt op basis van jouw handleidingen of offertes, dan worden die documenten eerst omgezet in embeddings. Stelt iemand een vraag, dan zoekt het systeem de stukken tekst die qua betekenis het dichtst bij de vraag liggen, ook als er heel andere woorden in staan. Dat is hoe RAG-toepassingen en interne kennisassistenten werken.

Gerelateerde begrippen

Embeddings zijn een vorm van distributed representation; de variant voor losse woorden heet word embeddings. Ze maken semantic search mogelijk en bouwen voort op het klassieke vector space model. Lees ook ons artikel over RAG en waarom het cruciaal is voor AI in jouw bedrijf.

Hoe een traject daarna verloopt staat op de pagina over AI-implementatie.