Puan ders bitince hesaba yazılır. Bu dersi tamamlayınca +55 XP alacaksın. Giriş yapmadan ilerlersen puan yalnız bu tarayıcıda durur.
Gömme ve benzerlik
Destek asistanı binlerce yardım makalesi arasından doğru olanı saniyede bulur. Bunu sözcük eşleştirerek yapmaz. Her metni önce gömme (embedding) modeline verir. Gömme modeli metni sabit uzunlukta bir sayı dizisine çevirir, bu diziye vektör denir. Metin tek sözcük de olsa, iki sayfa da olsa vektörün boyu değişmez. OpenAI'ın text-embedding-3-small modeli varsayılan olarak 1536 sayı, text-embedding-3-large modeli 3072 sayı üretir. Bu derste ölçüm yaptığımız küçük çok dilli model ise 384 sayı üretir.
Tek bir sayı anlam taşımaz. 384 sayının üçüncüsüne bakıp metnin kargo hakkında olduğunu söyleyemezsin. Anlam, vektörlerin birbirine göre durduğu yerde saklıdır. Model eğitimde, benzer bağlamlarda geçen metinleri uzayda yakın noktalara koymayı öğrenir. Anlamsal arama (semantic search) bu yakınlığı kullanır: soruyu gömer ve ona en yakın metinleri getirir.
Yakınlık çoğunlukla kosinüs benzerliğiyle (cosine similarity) ölçülür. Ölçü, iki vektör arasındaki açının kosinüsüdür. Aynı yöne bakan iki vektör 1 alır. Dik duran iki vektör 0 alır, zıt yöne bakanlar eksi değer verir. Kosinüs açıya bakar, vektörün uzunluğuna bakmaz. OpenAI gömmeleri zaten 1 uzunluğa ölçeklenmiş gelir, bu yüzden basit iç çarpım aynı sonucu verir.
a = (3, 4) b = (4, 3) iç çarpım = 3*4 + 4*3 = 24 uzunluklar = √(3²+4²) * √(4²+3²) = 5 * 5 = 25 kosinüs(a, b) = 24 / 25 = 0,96
Hesabın mantığı kısa. Pay, iki vektörün aynı yöne ne kadar çektiğini ölçer. Payda iki uzunluğu çarpar ve sonucu eksi 1 ile 1 arasına sıkıştırır. Gerçek gömmede formül aynıdır, yalnız iç çarpıma 2 yerine 384 terim girer. Şimdi formülü sen uygula.