7. Ejercicio Integrador: Mapear Conceptos a Vectores

Descripción del ejercicio

Este es el ejercicio integrador del Módulo 1. Aquí vas a aplicar todo lo que aprendiste: representar conceptos como vectores 2D (simplificado para visualizar), calcular operaciones (suma, resta, magnitud), medir distancias, y verificar que "cercanía geométrica = similaridad semántica".

Este ejercicio es 100% conceptual: no hay código que escribir. Trabajarás con lápiz y papel (o mentalmente), dibujando vectores, calculando operaciones simples, y reflexionando sobre cómo la geometría captura significado. El objetivo es que internalices la intuición de que vectores cercanos = conceptos similares.

Cuando termines, habrás cerrado el círculo conceptual del módulo: sabes qué es un vector (Cápsula 02), cómo visualizarlo (Cápsula 03), cómo funciona en alta dimensión (Cápsula 04), cómo operarlo (Cápsula 05), por qué se usa en AI (Cápsula 06), y ahora lo aplicas manualmente. Esta intuición es la base de los Módulos 2-8 y de todo lo que viene en tu camino como AI Engineer.

Contexto del ejercicio

Imagina que estás diseñando un sistema de semantic search para una biblioteca de conceptos. Cada concepto (palabra) se representa como un vector 2D (simplificado; en la realidad sería 1536D). Tu tarea es:

1. Asignar coordenadas a 8 conceptos
2. Dibujar los vectores en un plano cartesiano
3. Calcular operaciones (suma, resta, distancia)
4. Verificar que vectores cercanos = conceptos similares
5. Simular una búsqueda semántica

Importante: Este ejercicio usa 2D por simplicidad. En la realidad, embeddings son 1536D, pero la intuición es exactamente la misma.

Parte 1: Asignar vectores a conceptos

Conceptos a mapear:

1. perro
2. gato
3. tigre
4. auto
5. bicicleta
6. avión
7. manzana
8. naranja

Ejes del espacio 2D:

Para simplificar, usamos 2 ejes conceptuales:

• Eje X (horizontal): "Animalidad" → "Mecanicidad"

  • X negativo → Animales / seres vivos
  • X positivo → Máquinas / objetos

• Eje Y (vertical): "Domesticidad" → "Velocidad"

  • Y positivo → Doméstico / lento
  • Y negativo → Salvaje / rápido

Nota: Estos ejes son simplificaciones arbitrarias para ilustrar. En embeddings reales (1536D), los ejes son aprendidos por el modelo y no tienen etiquetas claras.

Tarea 1.1: Asignar coordenadas

Para cada concepto, estima coordenadas [x, y] basándote en:

• X: Qué tan "animal" vs "máquina" es
• Y: Qué tan "doméstico" vs "rápido" es

Guía de valores:

• X: -10 (muy animal) → 0 (neutral) → +10 (muy máquina)
• Y: -10 (muy salvaje/rápido) → 0 (neutral) → +10 (muy doméstico/lento)

Ejemplo (resuelto):

1. perro     = [-8, 7]   (animal doméstico)
2. gato      = [-7, 6]   (animal doméstico, un poco menos que perro)
3. tigre     = [-9, -5]  (animal salvaje, rápido)
4. auto      = [6, -3]   (máquina, rápida)
5. bicicleta = [5, 4]    (máquina, lenta, cotidiana)
6. avión     = [8, -7]   (máquina, muy rápida)
7. manzana   = [0, 8]    (neutral animal-máquina, objeto cotidiano/lento)
8. naranja   = [1, 8]    (neutral animal-máquina, objeto cotidiano/lento)

Nota: Estas coordenadas son arbitrarias (elegidas para ilustrar). En embeddings reales, el modelo aprende coordenadas óptimas automáticamente. Lo importante es que conceptos similares tengan coordenadas cercanas.

Tarea 1.2: Dibujar los vectores

Dibuja un plano cartesiano en papel y marca los 8 puntos:

        Y ↑ (Doméstico/Lento)
        10|
          |
        8 | •manzana •naranja
          |
        6 |  •gato
          |
        4 | •bicicleta  •perro
          |
        2 |
          |
        0 |───────────────────────→ X (Animalidad → Mecanicidad)
       -2 |        •auto
          |
       -4 |
          |
       -6 | •tigre
          |
       -8 |        •avión
          |
      -10 |
        -10    -5    0    5   10

Observaciones esperadas:

• Cluster 1 (Animales domésticos): "perro" y "gato" cercanos (cuadrante superior izquierdo)
• Cluster 2 (Vehículos): "auto", "bicicleta", "avión" en la derecha (X positivo)
• Cluster 3 (Frutas): "manzana" y "naranja" muy cercanos (arriba, centro)
• Aislado: "tigre" lejos de los domésticos (animal salvaje)

Pregunta de reflexión:

• ¿Los conceptos similares quedaron cercanos en el plano?
• ¿Los conceptos diferentes quedaron lejanos?

Parte 2: Calcular distancias

Tarea 2.1: Distancia euclidiana

Calcula la distancia euclidiana entre pares de vectores:

Fórmula:

distancia([x₁, y₁], [x₂, y₂]) = √((x₂ - x₁)² + (y₂ - y₁)²)

Pares a calcular:

a) distancia(perro, gato)
b) distancia(perro, tigre)
c) distancia(auto, bicicleta)
d) distancia(manzana, naranja)
e) distancia(perro, auto)

perro = [-8, 7]
gato = [-7, 6]

distancia = √((-7 - (-8))² + (6 - 7)²)
          = √(1² + (-1)²)
          = √(1 + 1)
          = √2 ≈ 1.41

perro = [-8, 7]
tigre = [-9, -5]

distancia = √((-9 - (-8))² + (-5 - 7)²)
          = √((-1)² + (-12)²)
          = √(1 + 144)
          = √145 ≈ 12.04

auto = [6, -3]
bicicleta = [5, 4]

distancia = √((5 - 6)² + (4 - (-3))²)
          = √((-1)² + 7²)
          = √(1 + 49)
          = √50 ≈ 7.07

manzana = [0, 8]
naranja = [1, 8]

distancia = √((1 - 0)² + (8 - 8)²)
          = √(1² + 0²)
          = √1 = 1

perro = [-8, 7]
auto = [6, -3]

distancia = √((6 - (-8))² + (-3 - 7)²)
          = √(14² + (-10)²)
          = √(196 + 100)
          = √296 ≈ 17.20

Tarea 2.2: Rankear por similaridad

Dado el concepto "perro", ordena los demás conceptos de más cercano a más lejano (usa las distancias calculadas y estima las que faltan):

Lista a ordenar: gato, tigre, auto, bicicleta, avión, manzana, naranja

Parte 3: Operaciones con vectores

Tarea 3.1: Suma de vectores

Calcula:

a) perro + gato
b) ¿Qué concepto esperarías que esté cerca de ese resultado?

perro = [-8, 7]
gato = [-7, 6]

perro + gato = [-8 + (-7), 7 + 6] = [-15, 13]

Tarea 3.2: Resta de vectores

Calcula:

a) auto - bicicleta
b) ¿Qué "dirección" conceptual captura esa resta?

auto = [6, -3]
bicicleta = [5, 4]

auto - bicicleta = [6 - 5, -3 - 4] = [1, -7]

avión + (auto - bicicleta) = avión + [1, -7]
                           = [8, -7] + [1, -7]
                           = [9, -14]

Tarea 3.3: Escalado

Calcula:

a) 2 × manzana
b) ¿Qué significa geométricamente? ¿Cambia el concepto?

manzana = [0, 8]

2 × manzana = [2 × 0, 2 × 8] = [0, 16]

Parte 4: Simulación de semantic search

Tarea 4.1: Búsqueda semántica

Contexto: Tienes una "base de datos" con 8 documentos (los 8 conceptos del ejercicio), cada uno representado por su vector.

Query del usuario: "animal doméstico"

Paso 1: Asigna un vector a la query "animal doméstico"

Guía: La query "animal doméstico" debería tener coordenadas cercanas al cluster de "perro" y "gato".

Propuesta: query = [-7.5, 6.5] (promedio aproximado de perro y gato)

Paso 2: Calcula la distancia de la query a cada documento:

Usa la fórmula de distancia euclidiana:

distancia(query, doc) = √((doc_x - query_x)² + (doc_y - query_y)²)

Documentos:

1. perro = [-8, 7]
2. gato = [-7, 6]
3. tigre = [-9, -5]
4. auto = [6, -3]
5. bicicleta = [5, 4]
6. avión = [8, -7]
7. manzana = [0, 8]
8. naranja = [1, 8]

query = [-7.5, 6.5]

distancia(query, perro) = √((-8 - (-7.5))² + (7 - 6.5)²) = √(0.25 + 0.25) = √0.5 ≈ 0.71
distancia(query, gato) = √((-7 - (-7.5))² + (6 - 6.5)²) = √(0.25 + 0.25) = √0.5 ≈ 0.71
distancia(query, tigre) = √((-9 - (-7.5))² + (-5 - 6.5)²) = √(2.25 + 132.25) ≈ 11.60
distancia(query, auto) = √((6 - (-7.5))² + (-3 - 6.5)²) = √(182.25 + 90.25) ≈ 16.51
distancia(query, bicicleta) = √((5 - (-7.5))² + (4 - 6.5)²) = √(156.25 + 6.25) ≈ 12.75
distancia(query, avión) = √((8 - (-7.5))² + (-7 - 6.5)²) = √(240.25 + 182.25) ≈ 20.56
distancia(query, manzana) = √((0 - (-7.5))² + (8 - 6.5)²) = √(56.25 + 2.25) ≈ 7.65
distancia(query, naranja) = √((1 - (-7.5))² + (8 - 6.5)²) = √(72.25 + 2.25) ≈ 8.63

Tarea 4.2: Contraste con keyword search

Pregunta: Si usaras keyword search (coincidencia exacta de palabras), ¿qué documentos retornarías para la query "animal doméstico"?

Parte 5: Reflexión y conexión con RAG

Tarea 5.1: ¿Cómo escalaría esto a 1536D?

Pregunta: En este ejercicio usaste 2D (2 ejes). En la realidad, embeddings son 1536D. ¿Qué cambia y qué se mantiene igual?

Tarea 5.2: Conexión con RAG

Pregunta: ¿Cómo lo que hiciste en Tarea 4.1 (semantic search) se usa en RAG?

Contexto (de semantic search):
- Doc 1: "El perro es un animal doméstico muy leal"
- Doc 2: "El gato es un animal doméstico independiente"

Query: "¿Qué animales son mascotas?"

"Los animales que son mascotas incluyen perros y gatos. 
Los perros son conocidos por su lealtad, mientras que los gatos 
tienden a ser más independientes."

Parte 6: Autoevaluación

Preguntas de reflexión final:

Responde en 1-2 frases cada una (para ti mismo, no hay respuestas "correctas" únicas):

1. ¿Por qué representar conceptos como vectores en lugar de como strings?

2. ¿Qué significa geométricamente que dos vectores sean "cercanos"?

3. ¿Cómo la operación rey - hombre + mujer ≈ reina funciona conceptualmente?

4. ¿En qué se diferencia semantic search de keyword search?

5. ¿Por qué embeddings reales usan 1536D en lugar de 2D o 3D?

Resumen del ejercicio

Lo que hiciste:

1. ✅ Asignaste coordenadas 2D a 8 conceptos (simulando embeddings)
2. ✅ Dibujaste vectores y verificaste que conceptos similares quedaron cercanos
3. ✅ Calculaste distancias euclidianas (medir similaridad)
4. ✅ Aplicaste operaciones (suma, resta, escalado)
5. ✅ Simulaste semantic search (buscar vectores cercanos a una query)
6. ✅ Comparaste semantic search vs keyword search
7. ✅ Reflexionaste sobre cómo esto escala a 1536D y se usa en RAG

Intuición clave consolidada:

Vectores cercanos = conceptos similares. Toda la magia de semantic search, RAG, y embeddings se reduce a esa intuición geométrica. Ahora que la viviste manualmente en 2D, entiendes qué pasa "bajo el capó" cuando usas OpenAI embeddings o Pinecone en 1536D.

Conexión con el Módulo 2

En el Módulo 2 (Espacios Vectoriales), ampliarás esta intuición:

• Espacio vectorial: El "contenedor" donde viven todos los vectores (2D, 1536D, etc.)
• Bases y dimensiones: Cómo los ejes estructuran el espacio
• Subespacios: Regiones del espacio con propiedades especiales (ej: todos los animales)
• Proyecciones: Cómo reducir 1536D a 2D (t-SNE, UMAP)
• Normalización: Por qué hacer que todos los vectores tengan magnitud 1

En el Módulo 3, verás métricas de similaridad formales (distancia euclidiana, coseno) y cuándo usar cada una. Lo que calculaste manualmente en este ejercicio (distancia euclidiana) es una de esas métricas.

En el Módulo 4, aplicarás semantic search en contextos reales (RAG, búsqueda de documentos).

Todo se construye sobre la intuición que consolidaste aquí: vectores en un espacio, cercanía geométrica = similaridad semántica.

Entregable (opcional)

Si quieres consolidar más el aprendizaje, guarda tu trabajo:

1. Diagrama con los 8 vectores dibujados (foto o dibujo digital)
2. Cálculos de distancias (papel o documento)
3. Ranking de semantic search (lista ordenada)
4. Reflexiones escritas (respuestas a las 5 preguntas de autoevaluación)

No es obligatorio, pero hacerlo en papel y guardarlo te ayudará a recordar la intuición cuando veas código o diagramas de embeddings en el futuro.

Ejercicio de extensión (opcional)

Si quieres profundizar más:

Extensión 1: Agregar más conceptos

Agrega 3 conceptos nuevos a tu espacio 2D:

• "león"
• "barco"
• "plátano"

Asigna coordenadas, dibuja, y verifica que queden en las regiones esperadas (león cerca de tigre, barco cerca de vehículos, plátano cerca de frutas).

Extensión 2: Calcular similaridad coseno

En lugar de distancia euclidiana, calcula similaridad coseno entre "perro" y "gato".

Fórmula (simplificada):

coseno(A, B) = (A · B) / (||A|| × ||B||)

Donde:

• A · B = producto punto = a_x × b_x + a_y × b_y
• ||A|| = magnitud de A = √(a_x² + a_y²)

Calcula:

perro = [-8, 7]
gato = [-7, 6]

Producto punto: (-8) × (-7) + 7 × 6 = 56 + 42 = 98
||perro|| = √(64 + 49) = √113 ≈ 10.63
||gato|| = √(49 + 36) = √85 ≈ 9.22

coseno = 98 / (10.63 × 9.22) ≈ 98 / 98.01 ≈ 1.00

Interpretación: Coseno = 1 significa "perfectamente similares en dirección" (ángulo 0°). "perro" y "gato" apuntan en direcciones casi idénticas.

Verás coseno en detalle en Módulo 3.

Extensión 3: Simular una segunda query

Query: "vehículo rápido"

Asigna vector a la query (ej: [7, -5] — máquina rápida), calcula distancias, y verifica que "auto" y "avión" aparezcan en los primeros lugares del ranking.

Recursos adicionales

1. Google Colab: "Visualizing Word Embeddings" — Notebook interactivo donde puedes jugar con embeddings reales y visualizar en 2D con t-SNE. En inglés.

2. Embedding Projector (TensorFlow) — Herramienta web para visualizar embeddings 3D interactivos. Puedes rotar, hacer zoom, buscar palabras. En inglés.

3. Jay Alammar: "The Illustrated Word2vec" — Blog con diagramas sobre operaciones con embeddings. Complementa este ejercicio con visualizaciones. En inglés.

4. Pinecone: "Semantic Search Tutorial" — Tutorial práctico sobre cómo implementar semantic search con embeddings. Para después de completar la guía. En inglés.

5. OpenAI Embeddings Playground — Documentación con ejemplos de código para generar embeddings y hacer semantic search. En inglés.

6. 3Blue1Brown: "Dot products and duality" — Video de 14 min sobre producto punto (base de coseno). Visualizaciones excelentes. En inglés.

Conclusión del Módulo 1

Felicidades por completar el Módulo 1: Introducción a Vectores. 🎉

Lo que lograste:

1. ✅ Entiendes qué es un vector (dirección + magnitud)
2. ✅ Puedes visualizar vectores en 2D y 3D
3. ✅ Entiendes que vectores de alta dimensión (1536D) funcionan igual
4. ✅ Sabes operar vectores (suma, resta, escalado)
5. ✅ Entiendes por qué AI usa vectores (hipótesis distribucional, semantic search)
6. ✅ Aplicaste todo esto manualmente (ejercicio integrador)

Intuición clave del módulo:

Vectores permiten representar significado geométricamente. Palabras/conceptos similares → vectores cercanos. Semantic search = buscar vectores cercanos.

Próximo paso: Módulo 2 (Espacios Vectoriales) — Verás cómo los vectores "viven" en espacios con estructura (bases, dimensiones, subespacios), cómo proyectar alta dimensión a 2D/3D, y cómo la geometría del espacio afecta operaciones y búsqueda.

Todo lo que aprendiste aquí es la base. En Módulo 2 profundizas la geometría; en Módulo 3 formalizas similaridad (coseno, distancia); en Módulo 4 aplicas semantic search; en Módulos 5-8 conectas con RAG y AI Engineering.

¡Sigue adelante! La intuición que consolidaste aquí es el 80% del entendimiento conceptual de semantic search y RAG. El resto es aplicar estas ideas a contextos más complejos.

¡Fin del Módulo 1! 🚀