ベクトル

📖 もうちょい詳しく

何が新しいの？

ベクトルは、もともとは数学や物理で使われてきた考え方で、「向きと大きさを持つ数値の並び」のことです。AIの世界では、語や画像のような「意味」を、コンピューターが扱える数字の列に直すために使われます。コンピューターは文字や絵そのままでは比べられないので、いったん数値に置きかえる必要があるのです。

どうやって動いてるの？

たとえば「犬」という語を、[0.21, -0.58, 0.13, ...] のような数十〜数千個の数字の並びに変換します。一つひとつの数字が、意味のいろいろな側面を少しずつ表していると考えると分かりやすいです。意味の近い語どうしは、この数値の並びも近い位置になります。AIは2つのベクトルの「距離」や「向きの近さ」を計算して、似ているかどうかを判断します。

何ができるの？

「似たもの探し」がとても得意になります。検索で言葉が一字一句一致していなくても、意味が近いものを見つけ出せます。おすすめ機能、画像の類似検索、文章の分類など、AIが「近さ」を使う場面の多くで、このベクトルが裏側で働いています。

🌱 身近なたとえ

地図上の住所で例えると、分かりやすいかもしれません。住所を「緯度・経度」という2つの数字で表すと、2地点が近いか遠いかを計算で確かめられますよね。ベクトルも同じ発想で、意味を数字の並び（座標のようなもの）に置きかえます。座標が近ければ意味も近い、と考えるわけです。

✅ まず覚えるポイント

• ベクトルは「向きと大きさを持つ数値の並び」です
• AIは語や画像の意味を、ベクトルに直して扱います
• 意味が近いものほど、ベクトルも近い位置になります
• 距離や向きの近さを計算して「似ている度合い」を測ります
• 埋め込み（Embedding）など、意味を数値化する技術の土台です

🧭 よくある勘違い

ただの数字の集まりなのに、なぜ意味が分かるの？

数字そのものに意味が宿っているわけではありません。意味の近いものが近い位置に並ぶよう、大量のデータから数値の付け方を学習させてあるのです。その結果として、数値の「近さ」が意味の「近さ」に対応するようになります。

数字が多いほど、いつも賢くなるの？

そうとは限りません。数字の個数（次元）が多いほど細かい違いを表せる場合がありますが、増やしすぎると計算が重くなり、扱いにくくなることもあります。用途に合った長さを選ぶのが実際のところです。

🧩 関連して覚えると楽な言葉

• 埋め込み（Embedding）: 語や画像の意味をベクトルに変換する手法そのもの
• ベクトルデータベース: 大量のベクトルをためて、近いものを高速に探す保管庫
• コサイン類似度: 2つのベクトルの「向きの近さ」で似ている度合いを測る計算
• セマンティック検索: ベクトルの近さを使って、意味で探す検索のしくみ

🏁 ひとことでまとめ

意味を座標のような数値の並びに置きかえ、その近さで「似ている」を測れるようにしたもの——それがベクトルです。