Przejdź do głównej treści
Polski— Wybierz język
Menu

Wprowadzenie do osadzeń (embeddings)

Lekcja 1 z 18 Zaktualizowano 3 listopada 2026 Programista
Na tej stronie
  1. Czym jest osadzenie (embedding)?
  2. Wektory i przestrzeń semantyczna
  3. Odległość jako miara podobieństwa
  4. Zastosowania osadzeń
  5. Dlaczego Mistral do osadzeń?
  6. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 — Modele. Mistral Large 3 (mistral-large-2512) oraz Mistral Medium 3.5 zostały wycofane z użytku 31 października 2026 r. i zostaną całkowicie usunięte 30 kwietnia 2027 r. Ich wyznaczony następca, Mistral Large 4 (mistral-large-4), jest dostępny w wersji publicznej zapowiedzi (public preview) od 6 października. Przykłady w tym kursie używają aliasu mistral-large-latest, który zgodnie z oficjalną specyfikacją (zweryfikowano 3 listopada 2026 r.) nadal wskazuje na Mistral Large 3. Podobnie mistral-medium-latest wskazuje na Mistral Medium 3.5. Aliasy te pozostaną ważne do 30 kwietnia 2027 r. W przypadku nowych projektów przetestuj mistral-large-4, ich wyznaczonego następcę.

Czym jest osadzenie (embedding)?

Osadzenie (embedding) to numeryczna reprezentacja tekstu w postaci wektora w przestrzeni wielowymiarowej. Każde słowo, zdanie lub dokument przekształca się w listę liczb – wektor – który przechwytuje jego znaczenie semantyczne. Powód tej transformacji jest prosty: komputery nie rozumieją surowego tekstu; pracują na liczbach. Osadzenia tłumaczą ludzki język na format, którym algorytmy mogą manipulować, porównywać i analizować.

Wyobraź sobie zespół obsługi klienta, który archiwizuje zgłoszenia z dziesięciu lat. Dopóki te zgłoszenia pozostają zwykłym tekstem, jedyną możliwą operacją mechaniczną jest wyszukiwanie dokładnych słów kluczowych: szukając frazy „dostawa“, nigdy nie znajdziesz „wysyłki“. Gdy jednak zgłoszenia zostaną zakodowane jako wektory, stają się porównywalnymi punktami w przestrzeni. Zdanie „Moja paczka nigdy nie dotarła“ grupuje się z „zamówienie nieotrzymane“, mimo że nie mają one żadnych wspólnych słów.

Wektory i przestrzeń semantyczna

Wyobraź sobie przestrzeń o wielu wymiarach (na przykład 1024 wymiary dla mistral-embed). Każdy tekst zajmuje w tej przestrzeni precyzyjną pozycję, a teksty o podobnym znaczeniu lądują geometrycznie blisko siebie.

# Osadzenie to po prostu lista liczb
embedding_example = [0.0234, -0.1567, 0.0891, 0.0456]  # w rzeczywistości 1024 wartości

# Dwa podobne zdania będą miały bliskie wektory
sentence_1 = "The cat sleeps on the couch"     # -> wektor A
sentence_2 = "The feline dozes on the sofa"    # -> wektor B (bliski A)
sentence_3 = "The stock market crashed yesterday" # -> wektor C (odległy od A i B)

Ta właściwość czyni osadzenia tak potężnymi: bliskość geometryczna odzwierciedla bliskość semantyczną. Model nigdy nie nauczył się reguły głoszącej, że „feline“ (kotowate) jest synonimem słowa „cat“ (kot). Zamiast tego nauczył się umieszczać te dwa słowa w podobnych kontekstach, co wystarczy, aby zbliżyć do siebie wektory A i B, utrzymując jednocześnie C z dala od nich.

1024
Wymiary dla mistral-embed (tekst)
3072
Wymiary dla codestral-embed (kod)
5
Typy precyzji (dtype)
< 1s
Opóźnienie API na żądanie

Odległość jako miara podobieństwa

Aby ustalić, czy dwa teksty są podobne, mierzysz odległość między ich wektorami. W tej dziedzinie dominują trzy metryki. Odległość euklidesowa odpowiada linii prostej łączącej dwa punkty: im krótsza linia, tym bardziej podobne są teksty. Podobieństwo cosinusowe mierzy kąt między dwoma wektorami; kąt 0° (cosinus = 1) oznacza, że teksty są semantycznie identyczne. Wreszcie, iloczyn skalarny jest szybki do obliczenia, co wyjaśnia, dlaczego jest powszechnie używany do rankingu.

Podobieństwo cosinusowe stało się standardem, ponieważ ignoruje długość wektora. Porównaj trzywierszowe podsumowanie umowy z pełną, czterdziestostronicową umową. Odległość euklidesowa ukarze podsumowanie, mimo że obejmuje ono dokładnie ten sam temat, podczas gdy kąt między dwoma wektorami pozostaje mały.

import numpy as np

def cosine_similarity(vec_a, vec_b):
    """Oblicz podobieństwo cosinusowe między dwoma wektorami."""
    dot_product = np.dot(vec_a, vec_b)
    norm_a = np.linalg.norm(vec_a)
    norm_b = np.linalg.norm(vec_b)
    return dot_product / (norm_a * norm_b)

# Wynik między -1 a 1
# 1.0 = identyczne, 0.0 = niezwiązane, -1.0 = przeciwne

Zastosowania osadzeń

Osadzenia stanowią fundament wielu nowoczesnych aplikacji i warto zobaczyć, jak każda z nich wygląda w praktyce. Wyszukiwanie semantyczne znajduje dokumenty na podstawie znaczenia, a nie dokładnych słów kluczowych: wewnętrzna baza procedur odpowiada na pytanie „co zrobić, jeśli klient odmówi przyjęcia dostawy“, nawet jeśli procedura nosi tytuł „zarządzanie zwrotami w magazynie“. RAG (Retrieval-Augmented Generation – generowanie wspomagane wyszukiwaniem) idzie o krok dalej, wstrzykując pobrane dokumenty do promptu modelu LLM, co pozwala mu odpowiadać na podstawie Twoich danych, a nie tylko swojej pamięci treningowej.

Trzy inne przypadki użycia wykorzystują tę samą geometrię. Klasyfikacja tekstu automatycznie kategoryzuje dokumenty, obserwując, której znanej grupie ich wektor jest najbliższy – przychodzący e-mail trafia do kategorii „rozliczenia“ lub „techniczne“ bez żadnych ręcznie pisanych reguł. Wykrywanie duplikatów wyłapuje niemal identyczne treści w bazie danych, zapobiegając publikowaniu tej samej karty produktu dwukrotnie tylko dlatego, że napisały ją dwa różne zespoły. Klasteryzacja grupuje dokumenty według tematów bez predefined etykiet, co jest powszechną metodą nadawania sensu korpusowi, którego struktury nikt nie zna. Wreszcie, systemy rekomendacji sugerują podobne treści, dokładnie tak jak mechanizm „powiązane artykuły“ na dole strony.

Dlaczego Mistral do osadzeń?

Mistral oferuje dwa wyspecjalizowane modele osadzeń. mistral-embed obsługuje język naturalny i generuje 1024 wymiary; codestral-embed jest trenowany na kodzie źródłowym i osiąga do 3072 wymiarów. Wybierasz między nimi w zależności od natury Twojego surowca: z jednej strony dokumentacja pisana, z drugiej pliki .py lub .ts.

Modele te są dostępne poprzez proste API, oferując doskonały stosunek ceny do wydajności. W kolejnych lekcjach nauczysz się, jak używać ich w praktyce.

Kluczowe wnioski

  • Osadzenie przekształca tekst w wielowymiarowy wektor numeryczny
  • Geometryczna bliskość między wektorami odzwierciedla podobieństwo semantyczne
  • Podobieństwo cosinusowe jest najczęstszą metryką do porównywania osadzeń
  • Mistral oferuje dwa modele: mistral-embed (tekst) i codestral-embed (kod)
  • Osadzenia są fundamentem RAG, wyszukiwania semantycznego i klasteryzacji