Vector Playground – Cuando la IA muestra cómo entiende

Creo en los proyectos bien hechos,
en la elegancia del código,
y en la alegría de hacer las cosas a tu manera.

Así nació Korail, el primer CMS no‑code con busqueda vectorial nativa.
Un proyecto MTV‑ready (multi‑idioma, transversal, vectorial), a punto de lanzarse.

Y trabajar en Korail me llevó más lejos: probar, desviar, mostrar lo que suele quedar oculto en las capas profundas de la IA.

Cada exploración en mi Lab Set Code & Sail no es solo un juego: es una forma concreta de mostrar cómo piensa la IA.

Con mi último módulo — Vector Playground — puedes introducir dos o tres palabras (por ejemplo: "océano", "pez", "computadora") y ver cómo sus vectores se acercan… o se alejan.

Una nueva exploración: Vector Playground

---

Vector Playground — vista previa

Con este módulo, puedes introducir dos o tres palabras (por ejemplo: "océano", "pez", "computadora") y ver cómo sus vectores se acercan… o se alejan.

¿Cómo funciona?

• La IA no "ve" las palabras como nosotros. Las transforma en vectores: secuencias de números que representan el significado en un espacio matemático.
• Dos vectores cercanos = dos ideas cercanas.
• Dos vectores lejanos = dos universos distintos.

Similitud coseno (0 → 1)

• 1 = los dos textos significan lo mismo
• 0.8 = suelen aparecer en contextos relacionados
• 0.5 = casi no tienen relación

👉 En el módulo ves dos cosas: el coseno bruto (entre -1 y 1) y su versión normalizada (entre 0 y 1), más fácil de comparar.

---

Dos modelos, dos visiones del mundo

Usamos dos modelos de IA, con umbrales específicos para las etiquetas:

ADA (1536D)

• ≥ 0.94 → muy cercano
• 0.87–0.939 → cercano
• 0.72–0.869 → relacionado
• < 0.72 → lejano

3‑Large (3072D)

• ≥ 0.89 → muy cercano
• 0.77–0.889 → cercano
• 0.67–0.769 → relacionado
• < 0.67 → lejano

Dos universos distintos: ADA es rápido y "generoso" (ve similitudes con facilidad), 3‑Large es más estricto (solo agrupa lo realmente relacionado). Ver ambos ayuda a entender cómo dos modelos de IA perciben los mismos conceptos.

---

Ejemplos reales

En el módulo, prueba:

• océano ↔ pez → cercanos, lógico.
• océano ↔ computadora → sorprendente… pero la IA ha visto millones de textos donde las computadoras simulan océanos.
• plátano ↔ computadora → mucho más distante (menos mal).

Aquí es donde la exploración se vuelve interesante: no es un test escolar, es una inmersión en cómo la IA asocia ideas.

---

Explicación con IA

Añadí una función que vuelve la experiencia aún más clara: un botón "Explicar con IA".

Después de comparar tres palabras, obtienes no solo las puntuaciones de similitud coseno, sino también una interpretación en lenguaje claro.

Ejemplo:

• océano ↔ velero (0.825) → Cercanos: los veleros navegan a menudo en los océanos.
• océano ↔ computadora (0.821) → Extraño pero lógico: las computadoras modelan océanos en la investigación oceanográfica.
• velero ↔ computadora (0.823) → Extraño pero lógico: el software ayuda a planificar la navegación a vela.

Resultado: la IA te cuenta por qué posicionó estas palabras así en el espacio vectorial.

---

Por qué importa

Si entiendes esto, ya comprendes gran parte de lo que impulsa:

• los motores de busqueda de nueva generación,
• los chatbots,
• e incluso cómo la IA genera texto, imágenes o código.

No razona con palabras, sino con nubes de números.

---

Pruébalo tú mismo

Quise que fuese visual, lúdico y gratuito. Puedes añadir tus propias palabras al dataset, lanzar una busqueda y ver cuántos intentos te quedan para el día (¡para que no explote mi servidor!).

---

Conclusión

Vector Playground es un pequeño experimento.
Pero da una idea muy clara (y sorprendente) de cómo la IA nos entiende.

Y si un pez, un velero y una computadora pueden convivir en un espacio de números… imagina en qué puede convertirse tu contenido cuando se traduce en vectores.

---