字詞量化就是把文字轉換成一串數字（座標），讓電腦能像算數學一樣，計算出詞與詞之間的語意距離，影片中是透過程式來將相關字詞量化。

在電腦的世界裡，所有的資訊最終都要變成數字。要把人類感性的文字轉化為電腦感性的數據，這個過程我們稱為文字表示法或向量化

科學家發現，與其只算字數，不如把每一個詞都轉換成一個「高維度的座標空間」。

作法： 透過閱讀海量的文本，AI 會學習到「常一起出現的詞，意思通常相近」。例如，電腦會把「狗」轉換成類似 [0.21, -0.45, 0.88, ...] 這樣由 300 個數字組成的向量。

奇妙的化學反應： 當字詞變成空間中的座標點後，我們就可以對文字做數學運算！

距離代表相似度： 在這個多維空間裡，「蘋果」和「橘子」的座標距離會非常近，而它們離「汽車」的距離會非常遠。

語意加減法： 最經典的例子是：向量(國王) - 向量(男人) + 向量(女人) ≈ 向量(女王)。電腦透過數字的加減，竟然推導出了性別與階級的關係。

當你在設定和執行本機 AI 模型時，這些語言模型底層正是極度依賴這種「詞嵌入」的向量化過程。模型會將你輸入的提示詞切塊、轉換成這些高維度向量，並在巨大的神經網路矩陣中進行計算，最後再將算出來的向量結果轉換回我們看得懂的文字。

透過閱讀大量文本資料，AI 會學到一個規律：「經常一起出現的詞，通常在語意上也比較接近。」因此，電腦會把像「狗」這樣的詞轉換成一串數字，例如 [0.21, -0.45, 0.88, ...]，這可能是一個包含 300 個數值的向量。

神奇的地方在於：
當每個詞都被表示為空間中的座標後，文字就能用數學方式來處理與分析。

距離代表語意接近程度：
在這個多維度空間裡，「蘋果」與「橘子」的位置會非常靠近，而它們與「汽車」之間的距離則會相對遙遠，因為語意差異較大。

語意也能做加減運算：
一個經典例子是：
向量(國王) − 向量(男人) + 向量(女人) ≈ 向量(女王)。
透過簡單的數學運算，電腦竟然能推導出性別與角色之間的關係。

在本機運行 AI 模型時：
這種稱為「詞嵌入」（Word Embedding）的技術是核心基礎。當你輸入提示詞時，模型會先把文字切分成小單位，轉換成高維度向量，接著在龐大的神經網路矩陣中進行運算，最後再把計算得到的向量轉換回人類可以理解的文字。

字詞量化是透過自然語言處理技術，將具備語義的文字轉換為電腦可運算的數值向量，讓原本模糊的詞彙能根據出現頻率（如 TF-IDF）或上下文關聯性（如 Word Embedding）在多維座標空間中定位，進而計算詞與詞之間的相似度與邏輯關係。

在電腦的世界裡，所有的資訊最終都要變成數字。要把人類的文字轉化為電腦的數據，這個過程我們稱為文字向量化