LLMを使った生成AIなどのチャットツールが どのように最新の情報を取り入れて より正確な回答ができるようになるのか その秘密である「RAG（ラグ：検索拡張生成）」の仕組みについて学んでいきましょう
3. スライド学習① ( 3 / 13 )
RAG（ラグ：検索拡張生成）
RAG（ラグ：検索拡張生成）とは？
「RAG」は「検索拡張生成」と言い、外部から情報を取り入れて、そのお店の最新情報や、独自の情報などのより正確な情報を提供するための仕組みです。
そもそも、LLMは「LLMが知っていること」しか回答できないので、お店の新商品や、最新のキャンペーンの情報などについて回答することができません。
ですがRAG技術を使うと、LLMがすでに学習した知識だけでなく、利用者が用意した学校や会社の資料、地域の人しか知らない情報などの内部情報から、必要な情報を探して回答することができます。
これにより、本来のLLMでは答えられないような質問にも正しく回答できるようになり、LLMを使用した生成AIなどのチャットツールは、これまでよりも精度の高い回答を出力することができます。
RAG技術による回答精度向上の実例
RAG技術を活用すると、LLMを使った生成AIなどのチャットツールの回答精度がどれくらい向上するか見てみましょう。
例えば、雑貨屋のチャットボットに「新商品を教えて。」と質問すると、新商品について学習をしていないLLMは、その質問に対して正しく回答することができません。
RAG技術を活用することで、データベースやインターネットから、必要な情報を検索し、ユーザーの質問に対して正確な回答ができるようになります。
以下は、RAG技術を使用して、インターネットから「雑貨屋の新商品」の情報を検索して回答を生成する例です。
RAGの仕組みは 私たちが図書館で調べものをするようなイメージに似ています
LLMにとっては「最新情報などを保存したデータベース」や「インターネット」が 私たちにとっての「図書館」にあたります
AIも自分の「頭の中の知識」と「外部から調べた情報」を組み合わせることで より正確な回答を導き出し 私たちの役に立つ存在になっています
