Representação Vetorial

O que é

Representação vetorial é a prática de transformar um dado — uma palavra, uma imagem, uma medição, um documento inteiro — numa lista ordenada de números (um vetor), de forma que um sistema computacional consiga processá-lo matematicamente. Segundo o glossário técnico do Google for Developers, um "vetor de características" (feature vector) é "o conjunto de valores de características que compõem um exemplo" — em outras palavras, os valores numéricos que compõem um exemplo usado por um modelo. Modelos de aprendizado de máquina não processam texto, imagens ou som diretamente: precisam primeiro que esses dados sejam convertidos em vetores numéricos.

Por que isso importa?

Entender que qualquer tipo de dado processado por um modelo de IA precisa antes ser convertido em números ajuda a compreender por que a forma como esses números são calculados — quais características são capturadas, quais são ignoradas — influencia diretamente o que o modelo consegue "perceber" sobre um dado. Isso é relevante para avaliar criticamente ferramentas de IA que processam fontes de pesquisa: uma imagem de documento histórico, por exemplo, é representada por um vetor que captura certas características visuais, mas não necessariamente o contexto histórico ou arquivístico daquele documento.

Exemplo

Ao processar uma coleção de fotografias históricas digitalizadas, uma ferramenta de IA converte cada imagem numa representação vetorial — uma lista de números que descreve características visuais como cores, formas e texturas presentes na imagem. É a partir dessa representação numérica, e não da imagem "em si", que a ferramenta consegue comparar fotografias entre si ou agrupá-las por semelhança visual.

Não confunda com

Representação vetorial não é sinônimo de embedding: embedding é um tipo específico de representação vetorial, produzido por um modelo treinado especificamente para capturar significado semântico — representação vetorial é o conceito mais amplo, que também inclui vetores construídos de outras formas (por exemplo, contando a frequência de palavras num texto, sem nenhum aprendizado envolvido). Todo embedding é uma representação vetorial, mas nem toda representação vetorial é um embedding.

Termos relacionados

Referências

• Google for Developers. Machine Learning Glossary: ML Fundamentals (entrada "feature vector"). developers.google.com/machine-learning/glossary/fundamentals