Ingegneria prompt per l'IA generativa

Capitolo 5. Database vettoriali con FAISS e Pinecone

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: [e-mail]

Questo capitolo introduce il concetto di embeddings e di database vettoriali, discutendo come possono essere utilizzati per fornire un contesto rilevante nei prompt.

Un database vettoriale è uno strumento comunemente utilizzato su per archiviare dati di testo in modo da consentire query basate sulla somiglianza o sul significato semantico. Questa tecnologia viene utilizzata per ridurre le allucinazioni (in cui il modello di intelligenza artificiale si inventa qualcosa) facendo riferimento a dati su cui il modello non è stato addestrato, migliorando in modo significativo l'accuratezza e la qualità della risposta della LLM. I casi di utilizzo dei database vettoriali includono anche la lettura di documenti, la raccomandazione di prodotti simili o la memorizzazione di conversazioni passate.

Ivettori sono elenchi di numeri che rappresentano il testo (o le immagini) e che possono essere considerati come le coordinate di un luogo. Il vettore per la parola mouse utilizzando il modello text-embedding-ada-002 di OpenAI è un elenco di 1.536 numeri, ognuno dei quali rappresenta il valore di una caratteristica appresa dal modello di embedding durante l'addestramento:

[-0.011904156766831875,
 -0.0323905423283577,
 0.001950666424818337,
...]

Quando questi modelli vengono addestrati, i testi che appaiono ...