Représentations vectorielles (embeddings)
Les embeddings vectoriels sont des représentations numériques de textes, images ou autres données qui capturent le sens sémantique, permettant à la machine de comprendre la similarité et les relations entre différentes informations.
Comprendre Représentations vectorielles (embeddings)
Quand le texte est converti en embedding vectoriel, sa signification est encodée comme une liste de nombres, habituellement sur des centaines ou des milliers de dimensions. Les concepts similaires se retrouvent proches dans cet espace numérique. Par exemple, la phrase « prendre un rendez-vous » serait proche de « réserver un appel », mais éloignée de « acheter des courses ». Cette propriété rend les embeddings essentiels pour la recherche sémantique, où l’on retrouve des informations par le sens plutôt que par des mots-clés exacts. Les bases de données vectorielles stockent ces embeddings et permettent des recherches par similarité rapide sur des millions de données.
Comment GAIA utilise Représentations vectorielles (embeddings)
GAIA utilise ChromaDB comme base de données vectorielle pour stocker les embeddings de vos e-mails, tâches, notes et documents. Lorsque vous demandez à GAIA de trouver une information ou qu'un agent a besoin de contexte pour une tâche, il effectue une recherche sémantique parmi vos données embarquées. Cela signifie que vous pouvez demander « retrouve cet e-mail sur la revue du budget du T3 » et GAIA le retrouvera même si l'objet du mail est « Discussion sur la planification financière ». Cette compréhension sémantique va au-delà du simple appariement de mots-clés.
Concepts liés
Recherche sémantique
La recherche sémantique est une technique de recherche qui comprend le sens et l'intention derrière une requête, et retourne des résultats fondés sur la pertinence conceptuelle plutôt que sur la correspondance exacte de mots-clés.
Mémoire basée sur les graphes
La mémoire basée sur les graphes est une architecture de mémoire IA qui stocke les informations sous forme de nœuds interconnectés et de relations, permettant une compréhension contextuelle riche et une persistance des connaissances à travers les interactions.
Graphe de connaissances
Un graphe de connaissances est une représentation structurée de l'information qui organise les données sous forme d'entités, de leurs attributs et des relations entre elles, permettant aux machines de comprendre et de raisonner sur des informations connectées.
Modèle de langage volumineux (LLM)
Un modèle de langage volumineux (LLM) est une intelligence artificielle entraînée sur d'énormes quantités de textes et capable de comprendre, de générer et de raisonner sur le langage humain avec une remarquable aisance.
