As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Visão geral dos vetores
<a name="vectors"></a>

*Os vetores* são representações numéricas que ajudam as máquinas a entender e processar dados. Na IA generativa, eles servem a dois propósitos principais:
+ Representando espaços latentes que capturam a estrutura de dados em formato comprimido
+ Criação de incorporações para dados, como palavras, frases e imagens

*Modelos de incorporação como [Word2Vec [GloVe](https://github.com/stanfordnlp/GloVe)](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)e [Amazon Titan Text Embeddings](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-embedding-models.html) convertem dados em vetores por meio de um processo chamado incorporação.* Esses modelos de incorporação podem fazer o seguinte:
+ Aprenda com o contexto para representar palavras como vetores
+ Coloque palavras similares mais próximas umas das outras no espaço vetorial
+ Permita que as máquinas processem dados em um espaço contínuo

O diagrama a seguir fornece uma visão geral de alto nível do processo de incorporação:

1. Um bucket do [Amazon Simple Storage Service (Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html)) contém arquivos que são as fontes de dados a partir das quais o sistema lerá e processará informações. O bucket do Amazon S3 é especificado durante a configuração da base de conhecimento [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html), que também inclui a [sincronização de dados com](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-data-source-sync-ingest.html) a base de conhecimento.

1. O modelo de incorporação converte os dados brutos dos arquivos de objetos no bucket do Amazon S3 em incorporações vetoriais. Por exemplo, `Object1` é convertido em um vetor `[0.6, 0.7, ...]` que representa seu conteúdo em um espaço multidimensional.

![O modelo de incorporação converte objetos no bucket do Amazon S3 em incorporações vetoriais.](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/images/vector-databases.png)


As incorporações de palavras são cruciais para o processamento de linguagem natural (PNL) porque fazem o seguinte:
+ Capture relações semânticas entre palavras
+ Permita a geração de texto contextualmente relevante
+ Potencialize grandes modelos de linguagem (LLMs) para produzir respostas semelhantes às humanas