Jefe: coloca los vectores
Has visto al modelo colocar palabras. ¿Podrías colocar tú una palabra nueva donde va su significado?
La idea que hay dentro
Arrastra cada palabra misteriosa al mapa de significados; el modelo revela su sitio real y puntúa cuánto te acercaste.
Después de esta lección
Puedes colocar una palabra desconocida en un mapa de significados razonando desde ejes etiquetados y palabras cercanas, y juzgar una colocación por la distancia.
Adónde lleva
Las palabras son vectores. Ahora: ¿cómo predice el modelo la siguiente?
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
Arrastra cada palabra misteriosa al mapa de significados; el modelo revela su sitio real y puntúa cuánto te acercaste.
La pregunta con la que abre
Has visto al modelo colocar palabras. ¿Podrías colocar tú una palabra nueva donde va su significado?
El recorrido, en palabras de la propia lección
- El significado es una posición. Acabas de colocar palabras como vectores y puntuar por distancia.
- Aquí es donde la guarda el modelo. Cuanto más cerca de su sitio, mejor la colocación.
- Arrastra la palabra misteriosa a donde está su significado y luego fíjala.
- Un mapa dibujado a mano al estilo del modelo; los mapas reales se aprenden, míralo en 2.5.
- Usa los ejes y las palabras ancla: ¿dónde cae su significado?
- Justo en el blanco. Tu sentido de su significado coincide con la posición del modelo.
- Colocaste cada palabra por su significado, que es justo lo que es un embedding.
- El significado es una posición; posiciones cercanas significan cosas parecidas. Colocar las palabras y puntuar por distancia es todo el Acto 1: una palabra es un vector (1.1), un embedding son sus coordenadas (1.2), la similitud es distancia (1.3).
- Las anclas y los ejes etiquetados te dejan razonar sobre una palabra que no has visto y colocarla; luego la distancia mide cuánto te acercaste. Así es exactamente como el modelo compara significados: no por letras, sino por lo cerca que están dos vectores. Todo lo que viene después, incluida la atención, se apoya en esto.
- Spotify mete en tu mix una canción que nunca buscaste, justo al lado de las que te encantan. ¿Qué acaba de hacer?
- Colocó la canción por su posición aprendida. Tu gusto es un vecindario en un mapa como el que acabas de etiquetar, y las recomendaciones son búsquedas del vecino más cercano en un espacio de embeddings.
La idea clave
Colocaste palabras como vectores solo por su significado, razonando desde anclas y ejes en vez de letras.
Qué puedes hacer después de esta lección
Puedes colocar una palabra desconocida en un mapa de significados razonando desde ejes etiquetados y palabras cercanas, y juzgar una colocación por la distancia.
Adónde lleva: Las palabras son vectores. Ahora: ¿cómo predice el modelo la siguiente?
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.