Vector Embedding (벡터 임베딩 — 의미의 수학적 좌표)

한 줄 정의

단어·문장·문서의 의미를 수백~수천 차원의 숫자 벡터로 변환하는 기술. 의미가 비슷한 텍스트는 벡터 공간에서 가까이 위치. RAG의 핵심 토대. "왕 - 남자 + 여자 ≈ 여왕" 같은 의미 연산 가능.

요약

본 카드는 RAG·LLM의 핵심 기술. 사역자가 알아야 할 것:

1. 임베딩이 의미를 숫자로 표현
2. 한국어 임베딩 정확성이 영어보다 ↓
3. 신학·교리 의미는 임베딩으로 정확히 ❌ → 가드레일 필수

본문 상세

1. 작동 원리

"하나님 사랑" → [0.23, -0.81, 0.45, ..., 0.12]  (768~1536 차원)
"신적 사랑"   → [0.21, -0.79, 0.46, ..., 0.10]  (가까움 → 유사)
"오늘 점심"   → [0.91, 0.34, -0.22, ..., 0.05] (멀음 → 무관)

2. 주요 임베딩 모델

3. RAG에서의 사용

질의 → 임베딩
   ↓
Vector DB에서 유사 chunk 검색 (cosine similarity)
   ↓
top-k chunks → LLM 컨텍스트 주입
   ↓
LLM이 답변 생성

4. 한국어 임베딩 한계

• 영어 학습 데이터 ↑ → 한국어 정확성 ↓
• 신학 용어 (헤세드·야다·아가페) 임베딩 정확성 ↓
• → 본 LLMWiki는 wikilink 그래프로 의미 명시 (Compilation)

5. 임베딩의 한계 (사역적)

• 의미 ≠ 진리 — 임베딩이 비슷해도 신학적으로 다름
• "긍정의 힘" (뉴에이지) ≈ "은혜" (기독교)? — 임베딩은 가까움으로 인식할 수도
• → 신학적 분별은 사람 (Canon 8·9)

6. 본 LLMWiki와의 관계

• 본 LLMWiki는 wikilink 그래프 우선 (명시적 의미 연결)
• 임베딩 RAG는 부분 활용 (우리말성경 인용 검증 등)
• Compilation > Embedding for 사역 도메인 (Ch.7)

핵심 인용

"임베딩은 의미를 숫자로 표현. 그러나 진리는 ❌." — 본 LLMWiki

관련

• term/rag-retrieval-augmented-generation — 임베딩의 주 활용
• term/llm-large-language-model · term/transformer-architecture — 토대
• term/knowledge-graph — Compilation 대안

"임베딩 = 의미의 수학적 좌표. 그러나 신학적 진리는 사람이."