第20天：Embedding 向量——让计算机听懂人话
你有没有想过，计算机只能处理数字，那我们日常说的「猫」「狗」「快乐」这些词，它又是怎么懂的呢？今天我们要学的「Embedding 向量」，就是教计算机把一个词的含义变成一串数字坐标。有了这套坐标，计算机就能像人脑一样判断两个东西像不像。本节非常基础，只要你能看懂坐标，就能完全掌握。
什么是 Embedding：把词语变成坐标
想象你在一张很大的地图上画点。每个城市只能出现在一个位置上，北京在北方，上海在南方。把所有城市都标好之后，你只要看一眼两个点的远近，就能猜出它们之间的距离有多远。Embedding 向量干的就是这件事：它把每一个词、每一句话、甚至每一张图，都塞到一个高维空间里，变成一串数字，也就是一组坐标。比如「猫」可能被算成 [0.2, 0.8, 0.1]，而「狗」是 [0.21, 0.79, 0.12]。你看，意思相近的词，它们的坐标点就挨得很近；意思不相关的词，坐标就离得很远。这串数字其实没有具体的物理意义，你可以理解为「含义的指纹」。模型在训练时看过海量文本，自动学会了把语义压缩进这些坐标里。一旦变成坐标，后面所有的数学计算——加减、距离、夹角——就都能派上用场了。
相似度搜索：找最像的那个
有了坐标之后，最常见的操作就是「相似度搜索」。常见的方法叫余弦相似度，你可以理解成「两个箭头朝同一个方向的程度」。把两串坐标当作两根箭头，它们夹角越小，说明两个词越像；夹角越大，说明越不像。在实际场景里，比如你想做一个问答机器人，用户问「心情不好怎么办」，系统先去一个存了几十万条问答的库里搜，把每条问答也变成向量，然后计算用户问题跟每条问答的相似度，最后挑出最像的那几条作为参考答案。这个过程不用懂每条问答到底写了什么，全靠数字之间的距离做判断。我们常用的聊天机器人、推荐系统、相册自动分类，背后都是这套思路。
Embedding 的几个常见用途
Embedding 不是只能用在搜索上，用法非常灵活。第一是「找近义词」：输入一个词，系统返回坐标最近的若干个词，相当于自动生成同义词库。第二是「推荐商品」：你浏览过一双运动鞋，系统把鞋变成坐标，再去找坐标最近的其它商品推给你。第三是「多语言翻译的桥梁」：同一句话的中文和英文，因为含义相同，它们的坐标也会挨得很近，所以可以用同一套空间跨语言搜索。第四是「异常检测」：如果一条数据的坐标离其它点都很远，那它很可能就是异常值，比如信用卡盗刷。理解这些用法后，你对现代 AI 产品的认知会比一般人深一大截。
动手试试：调用一个 Embedding 接口
就算你不是程序员，也可以亲手试一次。打开浏览器，搜索「embedding playground」，很多大模型厂商都提供了在线试玩页面。在输入框里随便敲一个词，比如「开心」，点击生成，就能看到一长串浮点数，比如 [0.013, -0.042, 0.088, ...]。再换一个意思相近的词，比如「高兴」，你会发现两串数字几乎一模一样。然后换成「雨伞」，坐标会明显跟「开心」差得远。这就是 Embedding 最直观的演示。记住：长度一样、方向接近，代表语义接近；长度一样、方向相反，代表语义相反或者毫无关系。下次再听说「大模型把世界编码成向量」，你就可以在心里点点头：哦，就是给每个东西发了一张含义地图。
停一下，确认你真的懂了
每题只能选择一次，不计分，也不会保存结果。
第 1 题
Embedding 向量最核心的作用是什么？
第 2 题
两个词的向量夹角越小，说明什么？
第 3 题