Embeddings

Los embeddings son representaciones vectoriales densas, de baja dimensión y continuas de variables discretas, que sirven como un traductor fundamental entre los datos humanos y la lógica de las máquinas. En el ámbito de la Inteligencia Artificial (IA), las computadoras no pueden entender de forma intuitiva datos desordenados y no estructurados como texto, imágenes o audio. Los embeddings resuelven esto convirtiendo estas entradas en listas de números reales, conocidos como vectores, que existen en un espacio matemático de alta dimensión. A diferencia de las codificaciones tradicionales que podrían simplemente asignar un ID aleatorio a un objeto, los embeddings se aprenden mediante entrenamiento, lo que garantiza que los elementos semánticamente similares —como las palabras "rey" y "reina", o imágenes de dos gatos diferentes— se posicionen muy cerca unos de otros en el espacio vectorial.

Cómo funcionan los embeddings#

La creación de un embedding implica introducir datos en bruto en una red neuronal diseñada para la extracción de características. Durante el entrenamiento, el modelo aprende a comprimir las características esenciales de la entrada en una forma numérica compacta. Por ejemplo, un modelo de Visión por Computador (CV) que analiza una fotografía no solo ve píxeles; mapea formas, texturas y colores en una coordenada específica dentro de un gráfico multidimensional. Al medir la similitud, los sistemas calculan la distancia entre estas coordenadas utilizando métricas como la similitud de coseno o la distancia euclidiana. Esta proximidad matemática permite a los algoritmos realizar tareas complejas como la clasificación y la agrupación con alta eficiencia.

Aplicaciones en el mundo real#

Los embeddings actúan como el motor de muchas funciones inteligentes utilizadas en los productos de software modernos.

• Búsqueda Semántica: Los motores de búsqueda tradicionales suelen depender de la coincidencia exacta de palabras clave, lo cual falla si un usuario consulta "auto" pero el documento contiene "coche". Los embeddings capturan el significado detrás de las palabras. Al representar la consulta de búsqueda y los documentos de la base de datos como vectores, el sistema puede recuperar resultados que coinciden con la intención del usuario, incluso si las palabras específicas difieren.
• Sistemas de Recomendación: Los servicios de streaming y los sitios de comercio electrónico utilizan embeddings para personalizar las experiencias de los usuarios. Si un usuario ve una película de ciencia ficción, el sistema identifica el vector de embedding de esa película y busca otras películas con vectores cercanos en la base de datos. Esto permite sugerencias precisas basadas en la similitud de contenido en lugar de depender únicamente de etiquetas o categorías manuales.
• Aprendizaje Cero-Shot: Los modelos avanzados utilizan embeddings conjuntos para vincular diferentes modalidades, como texto e imágenes. Esto permite que un sistema reconozca objetos que nunca ha visto explícitamente durante el entrenamiento al asociar el embedding de la imagen con el embedding de texto del nombre del objeto.

Generación de embeddings con Python#

Modelos de última generación como YOLO26 se pueden utilizar para generar embeddings de imágenes robustos de manera eficiente. El siguiente ejemplo demuestra cómo extraer un vector de características de una imagen utilizando el paquete de Python ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model
model = YOLO("yolo26n-cls.pt")

# Generate embeddings for an image
# The embed() method returns the feature vector representing the image content
embedding_vector = model.embed("https://ultralytics.com/images/bus.jpg")

# Print the shape of the embedding (e.g., a vector of length 1280)
print(f"Embedding shape: {embedding_vector[0].shape}")

Embeddings frente a conceptos relacionados#

Para implementar eficazmente soluciones de IA, resulta útil distinguir los embeddings de otros términos técnicos estrechamente relacionados.

• Embeddings vs. Búsqueda Vectorial: El embedding es la representación de datos en sí misma (la lista de números). La búsqueda vectorial es el proceso posterior de consultar una base de datos para encontrar los vecinos más cercanos a ese embedding. A menudo se utilizan herramientas especializadas conocidas como base de datos vectorial para almacenar y buscar estos embeddings a escala.
• Embeddings vs. Tokenización: En el Procesamiento del Lenguaje Natural (PLN), la tokenización es el paso preliminar de dividir el texto en fragmentos más pequeños (tokens). Estos tokens luego se mapean a embeddings. Por lo tanto, la tokenización prepara los datos, mientras que los embeddings representan el significado de los datos.
• Embeddings vs. Deep Learning: El deep learning es el campo más amplio del aprendizaje automático basado en redes neuronales. Los embeddings son una salida o capa específica dentro de una arquitectura de deep learning, y a menudo sirven como puente entre las entradas en bruto y las capas de toma de decisiones del modelo.

Los desarrolladores que buscan gestionar el ciclo de vida de sus conjuntos de datos, incluida la anotación y el entrenamiento de modelos para generar embeddings personalizados, pueden utilizar la Ultralytics Platform. Esta herramienta integral simplifica el flujo de trabajo desde la gestión de datos hasta el despliegue, garantizando que los embeddings que potencian tus aplicaciones se deriven de datos bien cuidados y de alta calidad. Ya sea utilizando frameworks como PyTorch o TensorFlow, dominar los embeddings es un paso crucial para construir sistemas sofisticados de reconocimiento de patrones.