Embeddings: cómo las máquinas entienden lo que querés decir

Un embedding es una forma de convertir palabras en números que capturan el sentido. En vez de contar letras o palabras clave, obtenés una lista larga de números —usualmente cientos o miles— que viven en un espacio de alta dimensión. Las palabras con significados parecidos quedan cerca unas de otras en ese espacio, sin importar el idioma.

Pensalo como la forma en que tu abuela distingue entre chiles y papas. Para una máquina, son solo cadenas de caracteres. Pero para ella, están en lugares distintos en su mapa mental de la cocina. Los embeddings son ese mapa mental, escrito.

Podés pedirle a un modelo el embedding de cualquier texto, y el resultado es siempre el mismo. Dos frases que significan lo mismo producen vectores casi idénticos. Dos frases con significados distintos quedan lejos una de la otra. Eso permite compararlas con matemática simple —usualmente un producto punto o similitud coseno.

Por eso los motores de búsqueda pueden encontrar resultados aunque las palabras de la consulta no coincidan exactamente con la página. Por eso los modelos de lenguaje pueden responder preguntas en un idioma en el que no fueron entrenados explícitamente. Por eso los sistemas de recomendación pueden sugerir canciones que no escuchaste pero que probablemente te van a gustar.

Los embeddings alimentan gran parte de la IA con la que interactuás a diario. No son el modelo en sí —son el puente entre el texto y lo que hacés con él: búsqueda, clasificación, recomendación, agrupamiento, traducción.

La próxima vez que busques una herramienta de IA, preguntá qué modelo de embedding usa. Uno bueno marca la diferencia entre una búsqueda que encuentra lo que necesitás y una que solo hace match de palabras clave.