📍 Embedding là gì?
Biến chữ nghĩa thành toạ độ để so độ giống nhau.
1
Hiểu nó là gì
Embedding chuyển văn bản hoặc ảnh thành dãy số, sao cho những thứ có nghĩa gần nhau thì nằm gần nhau.
Nói theo đời thường:
Như xếp sách thư viện theo chủ đề: đứng ở kệ nấu ăn thì quanh đó toàn sách nấu ăn, khỏi cần đọc tên từng cuốn.
Như xếp sách thư viện theo chủ đề: đứng ở kệ nấu ăn thì quanh đó toàn sách nấu ăn, khỏi cần đọc tên từng cuốn.
⚠ Chỗ ẩn dụ này hỏng
Xếp sách theo chủ đề — nhưng “gần nhau” theo máy không phải lúc nào cũng là “liên quan” theo người.
“Tôi thích món này” và “tôi ghét món này” nằm rất gần nhau trong không gian vector, vì cấu trúc câu giống hệt. Đó là lý do tìm kiếm bằng embedding đôi khi trả về đoạn văn ngược hẳn ý bạn cần — và vì sao người ta phải ghép thêm tìm kiếm theo từ khoá.
2
Code trông thế nào
Chữ → dãy số "chó" → [0.21, -0.88, 0.34, ...] "cún" → [0.23, -0.85, 0.31, ...] ← rất gần "máy bay" → [-0.71, 0.42, 0.90, ...] ← rất xa Máy so khoảng cách giữa các dãy số, không đọc chữ
Nhờ vậy tìm được “cún” khi người dùng gõ “chó” — điều tìm kiếm theo từ khoá không làm được.
3
Khi nào bạn dùng nó
✓ Dùng khi
- Cần tìm theo ý nghĩa thay vì theo đúng từ
- Xây RAG hoặc gợi ý nội dung tương tự
- Gom nhóm tài liệu tự động
✗ Đừng dùng khi
- Cần khớp chính xác mã sản phẩm, số hợp đồng (dùng tìm kiếm thường)
- Ngữ cảnh phủ định quan trọng
Chưa cần biết: cơ sở dữ liệu vector, chọn model embedding, tìm kiếm lai, chia đoạn.
Để dành tới Mốc 3 — Tự ghép được: Bạn nối được AI vào tài liệu của mình và biết cách kiểm tra nó trả lời đúng hay đang bịa.
Dấu hiệu bạn đã cần học nó: Bạn đã ở mốc này nếu đang xây RAG. Bắt đầu bằng việc kiểm tra thủ công 20 truy vấn xem nó lấy đúng đoạn không.
4
Đi đâu tiếp
- RAGỨng dụng phổ biến nhất của embedding.
- ModelEmbedding cũng do một model sinh ra.
- DatasetChất lượng tài liệu quyết định chất lượng tìm kiếm.