RAG（検索つき生成）

なぜ大切か

最新の資料や社内の情報を使いたいときに役立つ考え方です。土台は大規模言語モデルです。

身近な例

手元の文書を参照して答える仕組みがRAGの例です。正確さの考え方は答えの正確さも参考になります。

よくある誤解

RAG（検索つき生成）について、よくあるかんちがいを正します。

• RAGはAI本体を作り直すことではありません。答えるときに外部の資料を引いてくる仕組みです。
• 資料を参照しても、まちがいが完全になくなるわけではありません。減らす助けになるという位置づけです。
• 参照する資料の中身が古かったり誤っていたりすると、答えもそれに引きずられます。
• 学習し直さなくても、資料を入れ替えれば新しい情報に対応しやすいのが特長です。

似た言葉とのちがい

RAGと近い言葉のちがいを、わかりやすく並べます。

• ファインチューニング: AI自体を追加学習で調整します。RAGはAIを変えず、答えるときに外部の資料を参照します。
• ハルシネーション: 事実でない答えが出てしまう現象です。RAGはそれを減らすための工夫の一つです。
• コンテキストウィンドウ: 一度に扱える文章の量です。RAGは参照した資料をこの中に入れて使います。

二つの作業

まず資料を探す

RAGは質問に合いそうな資料をまず検索して、答えに使えそうな情報をあらかじめ集めてきます。

次に答えを作る

集めてきた資料をもとにして文章を生成するので、新しい情報や細かい話題にも答えやすくなります。