Explicador en lenguaje claro
Las analogías de vectores de palabras, explicadas
¿Por qué rey menos hombre más mujer cae cerca de reina?
Porque cuando las palabras se vuelven vectores, las relaciones se vuelven direcciones. En un espacio de embeddings bien entrenado, la flecha de hombre a mujer apunta casi igual que la flecha de rey a reina: una 'dirección de género' que el modelo aprendió solo de cómo co-ocurren las palabras en el texto. Suma esa flecha a rey y caes cerca de reina. La demo famosa, de word2vec en 2013, fue la primera prueba llamativa de que el significado podía ser geometría, la idea sobre la que se construye todo modelo moderno.
No te quedes en leerlo. Opera tú mismo el mecanismo en una lección interactiva corta.
Míralo funcionar: Embeddings: el significado como coordenadas →Gratis, sin código, sin registro.
Lo que la gente entiende mal
- Es solo un truco de fiesta. La propiedad de fondo, relaciones como direcciones, es exactamente por qué funcionan la búsqueda semántica y las recomendaciones.
- Los chats responden analogías haciendo esta aritmética. Es una propiedad del espacio de embeddings, no el procedimiento que corre el modelo.
- La matemática es exacta. Las analogías son aproximadas y los ejemplos que se muestran son los que aciertan; muchos otros fallan.
Dónde lo ves en productos reales
- Los buscadores emparejan 'vuelos baratos' con 'tarifas low-cost' porque viven en la misma zona del espacio.
- Las recomendaciones de 'artículos similares' son vecinos cercanos en un espacio de embeddings.
- Todos los cursos de ML abren con esta demo porque hace que los vectores signifiquen algo.
Explicadores relacionados
Parte de See How AI Works, un curso interactivo gratuito, donde aprendes cómo funciona la IA moderna operándola, no viendo videos.