ما هو التضمين المتجهي (vector embedding)؟

يحوّل التضمين المتجهي النص — كلمة، أو جملة، أو مستندًا، أو اسم عمود — إلى نقطة في فضاء عالي الأبعاد، مُعبَّرًا عنها بقائمة من الأرقام. والحيلة أن الموضع يلتقط المعنى: فتقع «الإيرادات» و«إجمالي المبيعات» قريبتين إحداهما من الأخرى رغم أنهما لا تتشاركان أي أحرف، بينما تقع «الإيرادات» و«الطقس» متباعدتين. وهذا يتيح للبرمجيات البحث بـالتشابه الدلالي — إيجاد ما قصدته، لا مجرد ما كتبته حرفيًا — وهو ما يشغّل البحث الدلالي وكثيرًا من الاسترجاع الحديث في الذكاء الاصطناعي.

يستخدم iDBQuery التضمينات خلف الكواليس لسدّ الفجوة بين طريقة طرح الناس للأسئلة وطريقة تسمية البيانات وتخزينها فعليًا:

• مطابقة الأسئلة بمخططك. حين تسأل عن «العملاء الذين تسرّبوا في الربع الأخير»، تساعد التضمينات iDBQuery على إيجاد الجداول والأعمدة ذات الصلة حتى لو كانت موسومة برموز غامضة.
• تشغيل الطبقة الدلالية. تساعد المعاني الملتقطة للحقول الغامضة النموذجَ على الاستدلال بمصطلحات عملك.
• البحث في المستندات. لملفات PDF ومجلدات الملفات، تساعد التضمينات على استرجاع المقاطع ذات الصلة بسؤالك.

والأهم أن التضمينات هي كيفية *فهم* iDBQuery للبيانات الصحيحة و*تحديد موقعها* — لكن الإجابة الفعلية عن سؤال مُهيكَل تُحسَب بعد ذلك بتشغيل استعلام SQL حقيقي على تلك المصادر وتُسنَد إلى الصفوف الدقيقة. فالتضمينات توفّر المواءمة الدلالية، ويقرنها iDBQuery باستعلام قابل للتحقّق بدلًا من ترك التشابه يؤدّي العمل كله.