Wat is Vector?

Wat is een vector eigenlijk?

Stel je voor dat je een appel wilt beschrijven aan iemand die 'm niet kan zien. Je zou kunnen zeggen: rondheid 8/10, zoetheid 6/10, roodheid 9/10, grootte 7/10. Die vier getallen samen — [8, 6, 9, 7] — vormen een vector. Het is gewoon een rijtje getallen in een vaste volgorde die samen iets beschrijven.

In AI werken computers niet met woorden of plaatjes zoals wij die zien. Ze hebben getallen nodig. Een vector is de manier waarop AI alles omzet naar zo'n getallenrijtje. Het woord "hond" wordt bijvoorbeeld een vector als [0.2, 0.8, 0.1, 0.3, ...] — vaak met honderden of duizenden getallen. Elk getal legt een aspect vast: misschien iets over "heeft-vier-poten", "is-huisdier", "kan-blaffen".

Waarom zijn vectoren zo handig?

Het mooie is dat je met vectoren kunt rekenen en vergelijken. Net zoals je kunt zeggen dat twee appels op elkaar lijken als hun getallen dicht bij elkaar liggen, kan AI zeggen dat "hond" en "kat" op elkaar lijken omdat hun vectoren vergelijkbare patronen hebben.

Dit heet vectorrepresentatie of embedding. AI-modellen leren tijdens hun training automatisch welke getallen bij welke concepten horen. Woorden die in vergelijkbare zinnen voorkomen, krijgen vergelijkbare vectoren. Plaatjes van honden krijgen vectoren die op elkaar lijken.

Een voorbeeld uit de praktijk

Als je in een zoekmachine typt "beste Italiaanse restaurants", zet het systeem jouw vraag om in een vector. Het vergelijkt die met vectoren van miljarden andere teksten en zoekt welke het dichtst bij jouw vraag liggen. Hoe dichter twee vectoren bij elkaar staan (technisch gezien: hoe kleiner de afstand tussen ze), hoe relevanter het resultaat.

Ditzelfde principe zie je bij:

• Aanbevelingen — Netflix vergelijkt de vector van films die jij leuk vond met vectoren van andere films

• Chatbots — jouw vraag wordt een vector, het model zoekt welke antwoord-vectoren daar het best bij passen

• Beeldherkenning — een foto wordt een vector, het systeem vergelijkt die met vectoren van bekende objecten

Waar kom je het tegen?

Vectoren zijn overal in AI, maar je ziet de term vooral bij:

• Vector databases zoals Pinecone, Weaviate of Qdrant — databases speciaal ontworpen om miljoenen vectoren snel te doorzoeken

• OpenAI Embeddings, Cohere Embed, Vertex AI Embeddings — diensten die tekst/beeld omzetten naar vectoren

• Retrieval Augmented Generation (RAG) — systemen die je eigen documenten doorzoekbaar maken via vectoren

• Semantische zoekmachines — zoeken op betekenis in plaats van letterlijke woorden

Je hoeft de wiskunde erachter niet te snappen om ermee te werken. Moderne tools doen de conversie automatisch.

Wat kun je ermee?

Als je een AI-toepassing bouwt die moet zoeken in grote hoeveelheden tekst of data — denk aan klantenservice, kennisbanken, productcatalogi — dan werk je vrijwel zeker met vectoren. De meeste no-code AI-platforms en developer-tools hebben ingebouwde ondersteuning ervoor.

Het belangrijkste inzicht: vectoren zijn de taal waarin AI informatie begrijpt. Door alles om te zetten naar getallenreeksen kan een machine patronen herkennen, vergelijkingen maken en verbanden leggen — precies wat we "intelligent" gedrag noemen.