RAGとは？
らぐ
RAGとは、大規模言語モデルが回答を生成する際に外部の知識データベースを検索・参照することで、より正確で最新の情報を提供する技術手法です。
RAG（Retrieval-Augmented Generation、検索拡張生成）とは、AIの大規模言語モデル（LLM）が持つ知識の限界を補うために、外部の知識ソースから関連情報を動的に検索し、その情報をもとに回答を生成する技術フレームワークです。
通常のLLMは学習時のデータしか知らないため、学習後の出来事や特定の専門知識については誤った情報（ハルシネーション）を生成する可能性があります。RAGはこの問題を解決するために、次のようなプロセスで動作します。
- ユーザーの質問をベクトル化し、ベクトルデータベースや全文検索エンジンに対してクエリを投げる
- 関連性の高いドキュメントや文書チャンクを取得（Retrieval）する
- 取得した情報をプロンプトに組み込んでLLMに渡す
- LLMが参照情報をもとに回答を生成（Generation）する
RAGの主なメリットは、モデルを再学習させることなく最新の情報や組織固有の知識を回答に反映できる点です。社内ドキュメント検索、カスタマーサポート自動化、医療・法律分野の専門的な質問応答システムなど、幅広い分野で活用されています。
実装にはLangChainやLlamaIndexなどのフレームワークが多く使われ、ベクトルデータベースにはPineconeやChromaなどが活用されます。
使い方・例文
企業の社内規程や製品マニュアルをベクトルデータベースに格納しておき、社員が質問するとRAGが関連文書を検索して根拠とともに回答する、社内ナレッジチャットボットがRAGの典型的な活用例です。
この用語をシェア
最終更新: