検索拡張生成

検索拡張生成とは

• データ統合: 包括的なナレッジベースを作成するため、RAGは内部および外部の複数ソースからの構造化データおよび非構造化データを組み合わせています。これには、あるトピックに関連する情報がカバーすると同時に正確で十分関連性があるナレッジベースを選択する必要があります。RAGでは多くのデータソースを統合することで、検索と生成に利用できる包括的なナレッジベースを保証します。
• 機械学習: クエリに応えて関連性のある情報を効果的に取得するため、RAGでは慎重に収集したナレッジベースを使って検索ベースモデルを訓練します。文脈的に意味を成すテキストを生成するために、検索モデルと生成言語モデルを同時に訓練します。RAGはこのデュアルモデルアプローチにより、動的に取得した情報とそれまでのナレッジを有効に活用して、インテリジェントな回答を生成します。
• ワークフロー統合: 訓練が終わると、RAGモデルを現行のアプリケーションやワークフローに取り入れ、意思決定やコンテンツ作成に役立てます。このつながりによって、企業システムとAPIがシームレスに協調し、多くのユースケースやドメインにまたがる展開や拡張が容易になります。
• 継続的改善: RAGは、継続的なモデル評価と、ユーザー入力やデータソースの変化に応じた改善を通じて、ピーク性能を維持します。ナレッジベースを頻繁にアップデートし、RAGモデルをトレーニングし直すことで、変化を続けるドメインやビジネス要件に対応できる柔軟性を保証し、長期にわたる性能最適化と継続的改善を容易にします。

HPEの強力な機械学習開発環境 (MLDE) とGen AIなどのAIサービスを、生成AI向けのHPEの企業コンピューティングインフラストラクチャに使用することで、検索拡張生成 (RAG) を機械学習モデルに統合できます。この統合は次のような内容です。

• HPE MLDEを使用: HPE MLDEが機械学習モデルの開発、訓練、展開を一元的に扱います。MLDEの各種のツールとパッケージで、検索ベースコンポーネントと生成コンポーネントを含むRAGモデルを作成できます。開発者はMLDEの各種の機械学習フレームワークと効率的なリソース管理を利用して、複数のアーキテクチャーを評価し、モデルの性能を最大化できます。
• HPE AI Services – Gen AIを活用: HPEのGen AIサービスは、企業の事業運営と意思決定を向上します。企業はRAGモデルとGen AIサービスを組み合わせることで、コンテキスト理解と動的ナレッジ検索を導入できます。RAGを搭載したチャットボットは消費者の疑問をより正確に見抜いて処理でき、ユーザーの満足度を向上します。
• HPEのエンタープライズコンピューティングインフラストラクチャにGen AIを展開: HPEのコンピューティングインフラストラクチャは生成AIアプリケーションに対応できるよう作られています。拡張性、信頼性、セキュリティに優れ、RAGモデルを用いる要求の厳しい環境でもミスなく動作します。HPEのアーキテクチャーはデータ管理もサポートしており、大規模ナレッジベースを迅速に検索できます。

機械学習モデルにRAGを統合するには、HPEのMLDE、Gen AI、生成AI向けエンタープライズコンピューティングインフラストラクチャが必要です。この組み合わせを利用して先進的なAIアプリケーションを設計および展開し、コンテキスト理解と動的ナレッジ検索を用いてビジネス価値とイノベーションを実現できます。