什么是Embedding？
Embedding是一種多維向量陣列，由一系列數字組成，可以代表任何事物，如文本、音樂、視頻等，在這里我們將重點關注文本部分，Embedding之所以重要，是因為它讓我們可以進行語意搜索，也就是通過文本的含義進行相似性檢索，
為什么Embedding在AI中如此重要？
Embedding在AI中的重要性在于，它可以幫助我們解決LLM的tokens長度限制問題，通過使用Embedding，我們可以在與LLM互動時，僅在背景關系視窗中包含相關的文本內容，從而不會超過tokens的長度限制，
如何將Embedding與LLM結合？
我們可以利用Embedding，在和LLM互動時，僅包含相關的文本內容，具體操作方法是，首先將文本內容分塊并轉換為向量陣列，然后將其存盤在向量資料庫中，在回答問題時，我們可以使用相似性搜索將問題向量與檔案向量進行比較，找到最相關的文本塊，然后將這些文本塊與問題一起輸入到LLM中，得到準確的回答，
舉例來說
我們可以利用Embedding，在和LLM互動時，僅包含相關的文本內容，以一個巨大的書籍PDF檔案為例，假設這是一本講述人類歷史的書籍，我們希望從中提取關于某個重要歷史人物的資訊，但不想閱讀整個檔案，
具體操作方法是：
- 將PDF檔案的文本內容分塊，
- 使用Embedding模型將每個文本塊轉換為向量陣列，
- 將這些向量陣列存盤在向量資料庫中，同時保存向量陣列與文本塊之間的關系，
當我們需要回答關于該PDF檔案的問題時，例如：“作者對xxx人物的看法是什么？”我們可以：
- 使用Embedding模型將問題轉換為向量陣列，
- 使用相似性搜索（如，chatGPT推薦的余弦相似度）將問題向量與PDF檔案的向量進行比較，找到最相關的文本塊，
- 將找到的最相關文本塊與問題一起輸入到LLM（如GPT-3）中，得到準確的回答，
通過這種方法，我們可以將Embedding與LLM結合，實作高效的文本搜索和問答功能，目前比較火的類chatPDF、以及檔案問答產品都采用類似的技術，
產品案例
開源fireBase解決方案SupBase二月份時就推出了一款基于chatGPT API的，支持問答的檔案系統（https://supabase.com/blog/chatgpt-supabase-docs）
其中就對這個檔案系統的技術路徑進行了相應的描述：
一些值得參考的資料
- https://openai.com/blog/introducing-text-and-code-embeddings （主要是關于基于embedding的文本與代碼搜索的）
- https://github.com/openai/openai-cookbook/blob/main/examples/Question_answering_using_embeddings.ipynb (openAI提供的jupyter基于embedding的QA代碼示例)
- https://supabase.com/blog/chatgpt-supabase-docs
- 詳細內容會同步至微信公眾號(Hobbes View)
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/552005.html
標籤：其他
下一篇：返回列表