ベクトル埋め込み
ベクトル埋め込みは、意味を捉える数値表現にテキスト、画像、またはその他のデータを変換し、機械が情報間の類似性と関係を理解できるようにします。
理解する ベクトル埋め込み
テキストがベクトル埋め込みに変換されると、その意味は数値のリスト（通常は数百または数千次元）としてエンコードされます。類似した概念は、この数値空間で互いに近くに配置されます。「会議をスケジュールする」というフレーズは、「食料品を買う」とはかけ離れているかもしれませんが、「電話を予約する」には近くなります。このプロパティにより、ベクトル埋め込みは、キーワードマッチングではなく意味によって情報を見つける意味論的検索に不可欠になります。ベクトルデータベースはこれらの埋め込みを保存し、数百万のデータポイントにわたる高速な類似性検索を可能にします。
GAIAの活用方法 ベクトル埋め込み
GAIAは、ChromaDBをベクトルデータベースとして使用して、メール、タスク、メモ、ドキュメントの埋め込みを保存します。GAIAが情報を検索する必要がある場合、またはタスクのコンテキストが必要な場合、GAIAは埋め込まれたデータ全体で意味論的検索を実行します。これにより、「Q3予算レビューに関するメールを見つけて」と質問して、メールの件名が「財務計画ディスカッション」であっても、GAIAがそれを見つけることができます。意味論的理解は、キーワードマッチングを超えています。
関連概念
意味論的検索
意味論的検索とは、クエリの背後にある意味と意図を理解し、キーワードの一致ではなく概念的な関連性に基づいて結果を返す検索手法です。
グラフベースメモリ
グラフベースメモリは、情報と関係を相互接続されたノードと関係として保存し、リッチなコンテキスト理解と相互作用全体での永続的な知識を可能にするAIメモリアーキテクチャです。
ナレッジグラフ
ナレッジグラフは、データとエンティティ、その属性、およびそれらの間の関係を整理する情報の構造化表現であり、機械が接続された情報を理解し、推論できるようにします。
大規模言語モデル（LLM）
大規模言語モデル（LLM）は、膨大なテキストデータでトレーニングされた人工知能モデルであり、人間のような流暢さで言語を理解、生成、推論できます。
