埋め込みモデル

埋め込みモデル（Embedding Model）は、テキストや画像など意味のあるデータを「ベクトル（数値の配列）」に変換するAIモデルです。意味の似たものは近いベクトルに、異なるものは遠いベクトルに配置されるため、検索・分類・類似度計算の基盤として広く使われています。

仕組み

テキスト「猫がかわいい」 → 埋め込みモデル → [0.21, -0.45, 0.83, ..., 0.12] (例: 1536次元のベクトル)
テキスト「子猫が可愛らしい」 → 埋め込みモデル → [0.19, -0.42, 0.81, ..., 0.15] (近いベクトル)
テキスト「株価が下がった」 → 埋め込みモデル → [-0.55, 0.31, -0.10, ..., 0.78] (遠いベクトル)

ベクトル同士の類似度（コサイン類似度など）を計算することで、意味的に近いものを高速に検索できます。

主な用途

代表的な埋め込みモデル

実務での選び方

1. 次元数：高いほど表現力は上がるがストレージとコストも増える
2. 言語対応：日本語性能を必ず実データで評価
3. コスト：1Mトークンあたりの料金
4. ローカル運用可否：機密データはオープンソースモデルを自社環境で

ベクトルデータベースとの組み合わせ

生成した埋め込みはベクトルDB（Pinecone、Weaviate、pgvector等）に保存し、類似検索に利用するのが一般的な構成です。

埋め込みモデルは生成AI時代の「検索の心臓部」であり、RAG構築には欠かせないコンポーネントです。