Generowanie wspomagane wyszukiwaniem (RAG)
Generowanie wspomagane wyszukiwaniem (RAG) to sposób, żeby AI odpowiadała z wybranego zestawu dokumentów. Najpierw przeszukuje te dokumenty w poszukiwaniu istotnych fragmentów, potem pisze odpowiedź, używając tylko tego, co znalazła. To ogranicza zmyślone fakty.
Zwykłe modele AI odpowiadają z tego, co przyswoiły podczas treningu. Brzmi w porządku, dopóki z pełnym przekonaniem nie stwierdzą czegoś błędnego. RAG to naprawia, dając modelowi najpierw konkretny zestaw źródeł do przeczytania. Więc zamiast zgadywać z pamięci, wyciąga właściwe fragmenty i buduje na nich odpowiedź.
Za każdym razem, gdy o coś pytasz, dzieją się dwa kroki. Najpierw system znajduje części twoich dokumentów, które pasują do twojego pytania. Potem podaje te części modelowi i mówi: odpowiedz z tego. Model staje się bardziej składaczem faktów niż ich źródłem, dlatego odpowiedzi zostają bliżej prawdy.
Jedna rzecz, na którą trzeba uważać: RAG jest tak dobry, jak to, co wyszuka. Jeśli właściwy fragment nigdy nie zostanie znaleziony albo twoje dokumenty nie obejmują pytania, odpowiedź wciąż może być uboga albo błędna. Mocno ogranicza zmyślone fakty. Nie usuwa ich.
Maya uczy się do egzaminu z biochemii. Prosi swoje narzędzie AI, żeby wyjaśniło cykl kwasu cytrynowego. Z RAG wyciąga dokładne akapity z jej slajdów z wykładu i wyjaśnia to w tych terminach, zamiast wciągać przypadkowe szczegóły z szerszego internetu, których jej profesor nigdy nie uczył.