Wat is een vector representatie?

Van data naar vectoren

Je kunt geen ruwe tekst, plaatjes, audio of andere data zomaar in een model stoppen. De computer doet niks met tekstlabels of JPEG’s. Die data moet je eerst naar een cijferlijst omzetten: een vector. Een zwart-wit foto verandert dan in één vector met bijvoorbeeld grijswaarden per pixel, terwijl voor tekst een embedding-model elk woord omzet naar een unieke vector, zoals je bij Word2Vec ziet. Daardoor kun je er direct op rekenen, bijvoorbeeld dingen optellen, vergelijken, of een afstand bepalen tussen twee punten. Modellen in machine learning gebruiken altijd zulke vectoren als input. Trouwens, de lengte van zo’n vector hangt af van het type data en de manier van coderen. Sommige representaties slaan alleen het hoogstnodige op. Vectoriseren komt altijd terug, bijvoorbeeld bij AI-modellen die iets moeten herkennen of voorspellen.

Vectorruimte en gelijkenis

Met vectoren in dezelfde ruimte kun je meten hoe dicht data bij elkaar ligt. Je pakt daarvoor verschillende meetmethodes, zoals euclidische afstand (gewone afstand), cosinusgelijkenis of het dotproduct (dat is een product van getallenparen). Hierdoor kun je makkelijk groepen vormen, labels voorspellen of vergelijkbare data zoeken. Modellen als Word2Vec en GloVe trekken gelijke woorden naar elkaar toe. Contextuele embeddings, zoals BERT of GPT, maken vectoren die veranderen afhankelijk van de zin waar je het woord uit haalt (dat geeft een fijner onderscheid). Bij plaatjes maken convolutionele netwerken vectoren die visuele trekjes vastleggen, zoals randen of vormen. Je vindt vectoren terug in systemen voor zoeken op gelijkenis en in database-opslag die vlot op overeenkomst zoekt. Dus, overal waar moderne AI data met elkaar vergelijkt zit zo’n vectorlaag tussen, of je nu zoekt, aanraadt of iets genereert.

Dit toepassen in
jouw bedrijf?

We vertalen het naar jouw processen en laten binnen een week een werkend prototype zien.