חיפוש סמנטי (Semantic Search)

חיפוש מסורתי מחפש התאמת-מילים פשוטה — "כלב" לא ימצא מסמך שמדבר על "כלבלב" אם המילה המדויקת לא מופיעה. חיפוש סמנטי, המבוסס על הטמעות-וקטוריות, מוצא קרבה-במשמעות גם בלי חפיפת-מילים.

שיטות חיפוש סמנטי מודרניות משתמשות במודלים ייעודיים שאומנו במיוחד להפיק הטמעה למשפט שלם, לא רק למילה בודדת — גישה שהוכחה יעילה במיוחד במאמר משפיע מ-2019, ומאז הפכה לסטנדרט בתעשייה.

דוגמה ממחישה: חיפוש מסורתי אחר "מכונית זולה למשפחה" לא ימצא בהכרח מאמר שמדבר על "רכב תקציבי לבני-הבית" — אין חפיפת-מילים כלל. חיפוש סמנטי, לעומת זאת, מזהה ששני הביטויים קרובים מאוד במשמעות, ומחזיר את שניהם כתוצאות רלוונטיות זו לזו. יכולת זו הפכה סטנדרטית גם במנועי-חיפוש כלליים ובחנויות-מסחר מקוונות, לא רק בכלי-AI ייעודיים — מי שמחפש "נעליים לריצה ארוכה" מקבל היום תוצאות שכוללות "נעלי מרתון", גם בלי מילה משותפת אחת.

זו הטכנולוגיה שמאפשרת לאחזור-מוגבר-בייצור (RAG — Retrieval-Augmented Generation) למצוא את המסמכים הרלוונטיים ביותר לשאלה, גם כשהניסוח של המשתמש שונה לגמרי מהניסוח במסמך המקורי — יכולת מרכזית בכל מערכת AI שמחפשת בבסיס-ידע גדול.

בפועל, מערכות רבות משלבות חיפוש סמנטי וחיפוש-מילים-מדויק גם יחד (חיפוש היברידי) — כי לחיפוש-מילים-מדויק יש עדיין יתרון במקרים ספציפיים, כמו חיפוש שם-מוצר מדויק, מספר-קטלוגי, או ציטוט מדויק ממסמך, שבהם "קרבה-במשמעות" דווקא פחות רלוונטית מהתאמה מילולית מדויקת. השילוב הזה — לרוב מכונה "חיפוש היברידי" בתיעוד-טכני — הפך לגישת-ברירת-המחדל במערכות-ייצור מקצועיות, בדיוק כי אף אחת מהשיטות הבודדות לא מספקת לבדה כיסוי מלא של סוגי-השאילתות שמשתמשים אמיתיים מקלידים בפועל. חנויות מסחר מקוונות גדולות ומנועי-חיפוש כלליים כאחד אימצו את הגישה ההיברידית הזו כברירת-מחדל, לא כתוספת מתקדמת — סימן לכך שהשילוב הפך מהיר מאוד מרעיון-מחקרי לתקן-תעשייה מעשי.