AIF-C01#62(fundamentals-generative-ai)
生成AIにおける「埋め込み（embeddings）」を正しく説明している記述はどれですか？
正解：A
正解の根拠
埋め込み (Embeddings) は単語、文、画像などを高次元の実数ベクトルに変換した表現で、意味的に類似した対象が近い位置に配置されるよう学習されます。Titan Embeddings や Cohere Embed といったモデルが提供し、OpenSearch、Aurora pgvector、Bedrock Knowledge Bases のベクトル検索で類似度計算に利用されます。RAG の中核技術です。
埋め込みと関連概念の比較
| 概念 | 役割 |
|---|---|
| Embeddings | 意味をベクトル空間に表現 |
| RAG | 検索結果を生成に活用 |
| Quantization | 低精度化で軽量化 |
| Vector DB | 埋め込みの保存と類似検索 |
不正解の理由
- B: 検索処理自体は RAG や Retriever の役割で、埋め込みはその前段の表現変換にあたります。
- C: 重みの低精度化は量子化 (Quantization) であり、埋め込みの定義とは異なります。
- D: ベクトル DB の保存・取得機能はインフラ層の話で、埋め込み自体の概念定義ではありません。
コメント