Generazione aumentata dal recupero (RAG)
La generazione aumentata dal recupero (RAG) è un modo per far rispondere un'IA a partire da un insieme scelto di documenti. Prima cerca in quei documenti le parti rilevanti, poi scrive la risposta usando solo ciò che ha trovato. Questo riduce i fatti inventati.
I normali modelli di IA rispondono a partire da ciò che hanno assorbito durante l'addestramento. Sembra a posto finché non affermano qualcosa di sbagliato con sicurezza. Il RAG risolve questo dando prima al modello un insieme preciso di fonti da leggere. Così, invece di indovinare a memoria, tira fuori i passaggi giusti e costruisce la risposta su quelli.
Ogni volta che chiedi qualcosa avvengono due passaggi. Prima il sistema trova le parti dei tuoi documenti che corrispondono alla tua domanda. Poi le passa al modello e gli dice: rispondi a partire da questo. Il modello diventa più un assemblatore di fatti che la fonte dei fatti, ed è per questo che le risposte restano più vicine alla verità.
Una cosa a cui stare attenti: il RAG vale solo quanto ciò che recupera. Se il passaggio giusto non viene mai trovato, o se i tuoi documenti non coprono la domanda, la risposta può comunque essere debole o sbagliata. Riduce molto i fatti inventati. Non li cancella.
Maya sta studiando per un esame di biochimica. Chiede al suo strumento di IA di spiegare il ciclo dell'acido citrico. Con il RAG, tira fuori i paragrafi esatti dalle slide della sua lezione e lo spiega in quei termini, invece di trascinare dentro dettagli a caso da internet in generale che il suo professore non ha mai insegnato.