はじめに

前回は、

「LLM（大規模言語モデル）とは？ChatGPTはどのように文章を作っているのか？」

について調べてみた内容をまとめました。

LLMについて調べていると、

RAG
ベクトル検索
Embedding
LangChain

など、聞き慣れない単語がたくさん出てきます。

その中でも特に気になったのが、

「RAG（Retrieval-Augmented Generation）」

です。

また、生成AIについて調べていると、

「ChatGPTは最新情報を知らない」

「学習データ以降のことは分からない」

という説明を見かけました。

正直なところ、

「インターネットにつながっているなら何でも知ってるんじゃないの？」

「なんで最新情報が分からないの？」

「RAGって何をしているの？」

という状態でした。

そこで今回は、

RAGについて調べてみて分かったこと

を、自分自身の整理も兼ねてまとめてみたいと思います。

この記事はこんな方におすすめ

ChatGPTを利用している方
RAGという言葉を初めて聞いた方
AIエージェントに興味がある方
LLMについて学習中の方
私と同じく「RAGって何？」という方

結論

調べてみて感じたのは、

「AIが外部の情報を調べてから回答する仕組み」

ということです。

生成AIは、

学習済みデータ

↓

回答

という流れですが、

RAGを利用すると、

質問

↓

外部情報を検索

↓

AIへ渡す

↓

回答

という流れになります。

イメージ

なぜ生成AIは最新情報を知らないの？

最初に疑問だったのが、

「ChatGPTって何でも知ってるんじゃないの？」

ということでした。

調べてみると、

LLMは事前に学習したデータを利用しているため、

大量の文章

↓

学習

↓

モデル完成

↓

利用開始

という流れになっているようです。

つまり、

モデルが完成した後に起きた出来事については、

知らない可能性があります。

例えば？

例えば、

2027年のワールドカップ優勝国は？

と質問した場合、

もしLLMがその情報を学習していなければ、

回答できません。

また、

今日の株価

今日の天気

今日のニュース

なども、

リアルタイムで学習しているわけではないため、

そのままでは回答できないようです。

RAGとは？

RAGは、

Retrieval-Augmented Generation

の略です。

日本語では、

検索拡張生成

と呼ばれています。

意味を分解すると、

単語	意味
Retrieval	検索
Augmented	拡張
Generation	生成

つまり、

「検索してから回答を生成する」

という仕組みになります。

RAGはどのように動く？

RAGの流れは、

次のようになります。

ユーザー

「社内規則を教えて」
      │
      ▼
RAG
      │
      ▼
PDFを検索
      │
      ▼
必要な情報を取得
      │
      ▼
LLM
      │
      ▼
回答生成

LLMだけでは、

社内規則を知りません。

しかし、

RAGを利用してPDFを検索することで、

回答できるようになります。

ChatGPTはRAGを使っている？

最近の生成AIサービスでは、

RAGが利用されるケースが増えているようです。

例えば、

ChatGPT + Web検索

↓

最新ニュース取得

↓

回答

社内AI

↓

社内ドキュメント検索

↓

回答

という形です。

つまり、

「LLM単体ではなく、検索を組み合わせている」

ということになります。

AIエージェントとの関係

RAGについて調べていると、

AIエージェントとも相性が良いことが分かりました。

ユーザー

↓

AIエージェント

↓

RAG

↓

検索

↓

LLM

↓

回答

例えば、

「今月の売上を教えて」

という質問に対して、

AIエージェントが、

Snowflakeを検索
必要なSQLを実行
結果を取得
回答を生成

ということも可能になります。

ベクトル検索とは？

RAGを調べると、

必ず出てくるのが、

ベクトル検索

です。

例えば、

有給休暇

↓

休み

↓

休暇

↓

年次有給休暇

のように、

言葉の意味が近いものを検索する仕組みです。

単純なキーワード検索ではなく、

「意味の近さ」

で検索できるようです。

RAGはどこで使われている？

調べてみると、

多くの企業で利用されていました。

用途	内容
社内FAQ	社内規則検索
問い合わせ対応	マニュアル検索
カスタマーサポート	製品情報検索
医療	論文検索
法務	契約書検索
AIエージェント	DB検索

RAGがない場合

質問

↓

LLM

↓

分からない

RAGがある場合

質問

↓

検索

↓

最新情報取得

↓

LLM

↓

回答

個人的には、

「AIにカンニングペーパーを渡している」

というイメージを持ちました。

調べてみて感じたこと

最初は、

「ChatGPTは全部知っている」

と思っていました。

しかし、

調べてみると、

「学習済みデータしか知らない」

ということが分かりました。

そして、

RAGを利用することで、

最新情報
社内資料
PDF
データベース

などを検索して回答できるようになるようです。

最近よく聞く、

「社内ChatGPT」

の多くは、

RAGを利用しているのかもしれません。

個人的な学習メモ

今のところ、

次の順番で学ぶと良さそうだと思っています。

統計学

↓

機械学習

↓

深層学習

↓

生成AI

↓

LLM

↓

RAG

↓

Function Calling

↓

AIエージェント

次は、

「Function Callingとは？AIがなぜツールを実行できるのか？」

について調べてみたいと思います。

まとめ

今回は、

RAGについて調べてみて分かったことをまとめてみました。

現時点では、

私自身もまだ勉強中ですが、

「AIが外部情報を検索してから回答する仕組み」

ということが分かりました。

今回調べてみて分かったこと

RAGは検索拡張生成のこと
LLMは最新情報を知らないことがある
RAGは外部情報を取得して回答する
社内AIやFAQで利用されている
AIエージェントとも相性が良い
ベクトル検索が利用されることが多い

少しずつですが、

AIの仕組みがつながってきた気がしています。

次回は、

「Function Callingとは？AIがなぜツールを実行できるのか？」

について調べてみたいと思います。