Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Descripción general de los vectores
<a name="vectors"></a>

*Los vectores* son representaciones numéricas que ayudan a las máquinas a entender y procesar los datos. En la IA generativa, cumplen dos propósitos clave:
+ Representar espacios latentes que capturan la estructura de datos en forma comprimida
+ Crear incrustaciones de datos, como palabras, oraciones e imágenes

*Los modelos de incrustación, como [Word2Vec [GloVe](https://github.com/stanfordnlp/GloVe)](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)y [Amazon Titan Text Embeddings, convierten los](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-embedding-models.html) datos en vectores mediante un proceso denominado incrustación.* Estos modelos de incrustación pueden hacer lo siguiente:
+ Aprenda del contexto a representar palabras como vectores
+ Coloca palabras similares más cerca unas de otras en el espacio vectorial
+ Permita que las máquinas procesen datos en un espacio continuo

El siguiente diagrama proporciona una visión general de alto nivel del proceso de incrustación:

1. Un bucket de [Amazon Simple Storage Service (Amazon S3)](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) contiene archivos que son las fuentes de datos desde las que el sistema leerá y procesará la información. El bucket de Amazon S3 se especifica durante la configuración de la base de conocimientos de [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html), que también incluye la [sincronización de datos con la base de conocimientos](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-data-source-sync-ingest.html).

1. El modelo de incrustación convierte los datos sin procesar de los archivos de objetos del bucket de Amazon S3 en incrustaciones vectoriales. Por ejemplo, `Object1` se convierte en un vector `[0.6, 0.7, ...]` que representa su contenido en un espacio multidimensional.

![El modelo de incrustación convierte los objetos del bucket de Amazon S3 en incrustaciones vectoriales.](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/images/vector-databases.png)


Las incrustaciones de palabras son fundamentales para el procesamiento del lenguaje natural (PNL) porque hacen lo siguiente:
+ Capture las relaciones semánticas entre palabras
+ Permita la generación de texto relevante desde el punto de vista contextual
+ Impulse modelos de lenguaje extensos (LLMs) para producir respuestas similares a las humanas