“커피를 마실 만한 곳”을 찾는데, 자료에는 “동네 카페”라고 적혀 있다면 어떨까요? 표현이 달라도 관련된 내용을 찾도록 돕는 기술이 있습니다. 임베딩은 글 같은 정보를 비교하기 쉬운 숫자 묶음으로 표현하는 방법입니다.
지난 글에서 RAG는 필요한 자료를 찾아 답변에 참고하는 방식이라고 배웠습니다. 이번에는 그 자료를 찾는 데 활용할 수 있는 임베딩을 살펴봅니다.
숫자로 만든 위치라고 생각해 보세요
임베딩은 정보를 여러 숫자로 나타냅니다. 이렇게 순서대로 놓인 숫자 묶음을 벡터라고 부릅니다. 숫자들을 좌표처럼 생각하면, 글 하나를 지도 위의 한 점으로 비유할 수 있습니다.
이 지도에서는 모델이 비슷하다고 표현한 내용이 서로 가까이 놓일 수 있습니다. 다만 실제 임베딩은 종이 지도보다 훨씬 많은 숫자를 쓰며, 숫자 하나하나에 사람이 이해하기 쉬운 이름을 붙이기는 어렵습니다. Google의 임베딩 설명도 이 점을 구분합니다.
같은 단어가 없어도 후보를 찾을 수 있어요
설명을 위한 가상의 지도에 다음 표현을 놓아 봅시다.
- 카페
- 커피 마실 곳
- 우산
의미의 관련성을 나타내는 지도라면 앞의 두 표현을 가까운 쪽에, 우산을 다른 쪽에 놓는 모습을 떠올릴 수 있습니다. 이 배치는 이해를 돕는 비유이며, 실제 모델로 계산한 결과는 아닙니다.
이처럼 텍스트 임베딩을 활용한 검색은 똑같은 단어를 찾는 데만 의존하지 않고, 질문의 뜻과 관련된 자료를 후보로 찾을 수 있습니다. RAG에서 참고할 문단을 고를 때도 이런 방법을 활용할 수 있습니다. 구체적인 검색 방식은 시스템마다 다릅니다. Google Cloud의 텍스트 임베딩 문서는 이 검색 원리를 설명합니다.
가까운 자료도 다시 읽어야 해요
어떤 임베딩을 만들지는 모델과 작업에 따라 달라집니다. 음식의 종류를 구분하는 지도와 아침 메뉴를 추천하는 지도는 서로 다른 관련성을 담을 수 있습니다.
따라서 검색에서 가까운 후보가 나왔다고 해서 그 내용이 사실이거나 지금 내 상황에 맞는다는 결론까지 얻은 것은 아닙니다. 임베딩은 관련 자료를 찾는 단서로 쓰고, 자료의 내용·날짜·조건은 원문에서 확인하세요.
오늘은 이렇게 기억하면 충분합니다. 임베딩은 정보를 숫자로 표현해 관련성을 비교하도록 돕고, 그 숫자만으로 정답을 보증하지는 않습니다.
출처와 확인일
- Google Machine Learning Crash Course — Embedding space and static embeddings · 문서 수정일 2025년 8월 25일
- Google Cloud — Get text embeddings · 온라인 문서
자료 확인: 2026년 10월 30일. 특정 서비스의 이용 가능 여부나 성능을 시험한 글은 아닙니다.
답글 남기기