Endlich Embeddings verstehen – und nie wieder nach dem richtigen Emoji suchen müssen!

Embeddings sind die Grundlage dafür, wie Large Language Models die Welt verstehen. Wer sich darüber informiert, stößt jedoch schnell auf einschüchternde Begriffe wie Tensoren, Matrizen oder Multi-Head Attention. Doch das ist gar nicht nötig! In dem Talk erklären wir, wie Embeddings funktionieren und welche zentrale Rolle sie als Werkzeug im Natural Language Processing spielen. Zur Veranschaulichung wird eine Demo-Anwendung gezeigt, die zu jeder Chat-Nachricht ein passendes, stilvolles Emoji auswählt – damit auch Eltern künftig zum richtigen Symbol greifen. Wir erläutern, warum Sprache in hochdimensionale Vektoren übersetzt wird, und entwickeln darauf aufbauend eine Beispielanwendung für die Emojisuche. Dabei gehen wir auf Semantic Search, Finetuning und multimodale Embeddings ein, geben einen Überblick über gängige Benchmarks und zeigen, wie sich Anwendungen für semantische Suche erfolgreich skalieren lassen.