Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Panoramica dei vettori
<a name="vectors"></a>

*I vettori* sono rappresentazioni numeriche che aiutano le macchine a comprendere ed elaborare i dati. Nell'intelligenza artificiale generativa, hanno due scopi principali:
+ Rappresentano spazi latenti che acquisiscono la struttura dei dati in forma compressa
+ Creazione di incorporamenti per dati, come parole, frasi e immagini

*I modelli di incorporamento come [Word2Vec [GloVe](https://github.com/stanfordnlp/GloVe)](https://aws.amazon.com/what-is/embeddings-in-machine-learning/)e [Amazon Titan Text Embeddings convertono i dati in vettori tramite un processo chiamato incorporamento](https://docs.aws.amazon.com/bedrock/latest/userguide/titan-embedding-models.html).* Questi modelli di incorporamento possono eseguire le seguenti operazioni:
+ Impara dal contesto per rappresentare le parole come vettori
+ Posiziona parole simili più vicine tra loro nello spazio vettoriale
+ Consenti alle macchine di elaborare i dati in uno spazio continuo

Il diagramma seguente fornisce una panoramica di alto livello del processo di incorporamento:

1. Un bucket [Amazon Simple Storage Service (Amazon S3) Simple Storage Service (Amazon](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) S3) contiene file che sono le fonti di dati da cui il sistema legge ed elabora le informazioni. Il bucket Amazon S3 viene specificato durante la configurazione della knowledge base di [Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-bedrock.html), che include anche la [sincronizzazione dei dati](https://docs.aws.amazon.com/bedrock/latest/userguide/kb-data-source-sync-ingest.html) con la knowledge base.

1. Il modello di incorporamento converte i dati grezzi dai file oggetto nel bucket Amazon S3 in incorporamenti vettoriali. Ad esempio, `Object1` viene convertito in un vettore `[0.6, 0.7, ...]` che ne rappresenta il contenuto in uno spazio multidimensionale.

![\[Il modello di incorporamento converte gli oggetti nel bucket Amazon S3 in incorporamenti vettoriali.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/choosing-an-aws-vector-database-for-rag-use-cases/images/vector-databases.png)


Gli incorporamenti di testi sono fondamentali per l'elaborazione del linguaggio naturale (NLP) perché svolgono le seguenti funzioni:
+ Cattura le relazioni semantiche tra le parole
+ Abilita la generazione di testo contestualmente rilevante
+ Potenzia modelli linguistici di grandi dimensioni (LLMs) per produrre risposte simili a quelle umane