← Zurück zu allen Fragen
Was sind Embeddings und wozu braucht man sie?
Embeddings wandeln Wörter, Sätze oder Dokumente in Zahlenreihen (Vektoren) um, damit Maschinen mit Sprache rechnen können. Bedeutungsähnliche Inhalte liegen dabei nah beieinander im Vektorraum. Ohne Embeddings könnten Sprachmodelle wie ChatGPT unsere Sprache gar nicht verarbeiten. Sie sind eine Grundvoraussetzung moderner KI.
Das erfährst du in der Folge zusätzlich:
- Wie man mit Embeddings die Relevanz von Dokumenten bewertet
- Anschauliche Beispiele zur Funktionsweise
Mehr dazu in Folge 30: Wie Maschinen Sprache verstehen - Embeddings einfach erklärt →
Verwandte Fragen
- Was ist das Context Window eines Sprachmodells?
- Was sind Halluzinationen bei KI und warum passieren sie?
- Was sind Parameter bei einem KI-Modell?
- Wie viel Arbeitsspeicher (RAM/VRAM) braucht man für ein KI-Modell?
- Was sind Reasoning-Modelle und was ist Chain of Thought?
- Wie funktioniert die Transformer-Architektur hinter ChatGPT & Co.?
- Was ist der Unterschied zwischen Künstlicher Intelligenz, Machine Learning und Deep Learning?
- Was ist der Unterschied zwischen Google und ChatGPT?
- Was ist ein Token bei einem Sprachmodell?
- Was ist Quantisierung bei KI-Modellen?
- Was ist RAG (Retrieval Augmented Generation)?
- Wie lernt ein neuronales Netz aus seinen Fehlern?