AI 요약관련 정보

• AI 챗 인터페이스는 회사 내부 정보에 대한 질문에 답변할 수 없다는 문제점을 지적 😥
• 전통적인 키워드 검색은 의미 기반 검색에 한계가 있다는 것을 강조 (Netflix 예시) 🎬
• Embedding은 텍스트의 의미를 숫자로 표현하는 방법 (벡터) 🔢
• Embedding 공간에서 의미가 유사한 텍스트는 서로 가깝게 위치함 📍
• 벡터는 다차원 공간에서의 좌표로 표현되며, OpenAI의 text-embedding-3-small 모델은 1536차원 벡터를 사용 🌌
• 코사인 유사도는 벡터 간의 각도를 측정하여 유사도를 판단하는 데 사용 ( -1 ~ 1 ) 📐
• Embedding과 유사도 검색은 다양한 분야에서 활용 가능 (고객 지원, 콘텐츠 검토, 중복 감지, RAG) ✅
• RAG (Retrieval Augmented Generation)는 문서를 Embedding으로 저장하고, 사용자 질문과 관련된 문서를 찾아 AI에게 제공하여 정확한 답변을 생성하는 방식 🤖
• 다음 강의에서는 OpenAI의 Embedding 모델을 사용하여 텍스트를 벡터로 변환하는 방법을 배울 예정 👨‍🏫