OpenAI API로 시작하는 임베딩 Introduction

강력한 AI 애플리케이션 구현

임베딩을 사용하면 텍스트를 수치적으로 표현할 수 있으며, 텍스트 뒤에 숨은 맥락과 의도를 포착할 수 있습니다. 이러한 능력이 의미 기반 검색 엔진이 의미를 바탕으로 검색하고, 더 관련성 높은 추천 엔진을 구현하며, 감성 분석과 같은 분류 작업을 수행하는 데 어떻게 활용될 수 있는지 배우게 됩니다.

OpenAI API를 사용하여 임베딩 만들기

OpenAI API는 GPT 및 Whisper 모델에 접근할 수 있는 엔드포인트뿐만 아니라, 텍스트 입력으로부터 임베딩을 생성하는 모델용 엔드포인트도 제공합니다. OpenAI의 최첨단 임베딩 모델을 사용해 텍스트의 의미를 포착하는 임베딩을 생성하게 됩니다.

시맨틱 검색 및 추천 엔진 구축

기존 검색 엔진은 사용자에게 가장 관련성 높은 결과를 제공하기 위해 키워드 매칭에 의존했지만, 더 현대적인 기법은 텍스트의 의미를 포착할 수 있는 임베딩을 사용합니다. OpenAI의 임베딩 모델을 사용해 온라인 리테일 플랫폼용 시맨틱 검색 엔진을 만드는 방법을 배우게 되며, 이를 통해 사용자가 가장 관련성 높은 제품을 더 쉽게 찾을 수 있습니다. 또한 의미 검색과 동일한 원리를 기반으로 구축되는 제품 추천 시스템을 만드는 방법도 배우게 됩니다.

벡터 데이터베이스 활용하기

프로덕션에서 임베딩에 의존하는 AI 애플리케이션은 종종 벡터 데이터베이스를 사용하여 임베딩된 텍스트를 더 효율적이고 재현 가능한 방식으로 저장하고 조회합니다. 이 강의에서는 오픈 소스의 자체 관리형 벡터 데이터베이스 솔루션인 ChromaDB를 사용해 로컬 시스템에서 임베딩을 생성하고 저장하는 방법을 배우게 됩니다.