今日からはじめるRAG入門

-- Views

July 04, 25

スライド概要

最近話題のRAGを概念から理解できるように説明しました!

profile-image

AIを使ったソリューションを提案できるように日々精進してます!

シェア

またはPlayer版

埋め込む »CMSなどでJSが使えない場合

ダウンロード

関連スライド

各ページのテキスト
1.

今日からはじめる ざっくりRAG入門 株式会社ミライトデザイン bucchi p.1

2.

はじめに 生成AIを「使う」から「活かせる」ようになろう 1 早すぎる生成AIの進化 毎日のように生成AIサービスがリリースされ、アップデート情報が頻繁に出ているが 業務をしながら追いかけるのはキツい・・・ 2 ツールを使えるだけでは生き残れない時代 これからの時代に求められるのは、生成AIをソリューションに落とし込み、事業価値 を生み出せる人材かどうか 3 何から勉強すればわからない・・・ 何から始めればいいか分からない方も大丈夫。 今後必要になる可能性が高い技術を、一緒に学んでいきましょう! p.2

3.

最近 RAG という キーワードよく見かけませんか? 意味を調べると「検索拡張生成」って出るけど なんかイメージ掴みにしづらくないですか? p.3

4.

RAGの説明の前に… 生成AIがどのような流れで回答を行うのか 先にイメージを掴んでいきましょう p.4

5.

生成AIとは 生成AIはコンテンツを新たに生み出す人工知能 例えば… プロンプト 生成 文章 画像 ユーザ 動画 データセット 事前学習したデータ を基に生成AIが回答 p.5

6.

生成AIとは 生成AIはコンテンツを新たに生み出す人工知能 Point 例えば… プロンプト 生成 ここでは事前学習したデータを基に回答してる事を把握してもらえばOK ユーザ 文章 画像 動画 データセット 事前学習したデータ を基に生成AIが回答 p.6

7.

生成AIとは - LLM 今回のRAGで使うのは文章生成に特化した生成AIを使います。 ChatGPT、Claude、Geminiなどがそれにあたります。 これらは通称LLM(大規模言語モデル)と呼ばれています p.7

8.

生成AIとは -Claude Sonnet4の使用例 学習している事に対しては回答できる それ知ってる! 富士山の標高は? プロンプト ユーザ p.8 生成 LLM

9.

生成AIとは -Claude Sonnet4の使用例 学習していない事に対しては回答できない bucchiについては学習していない… bucchiの誕生日教えて プロンプト ユーザ p.9 生成 LLM

10.

生成AIとは -Claude Sonnet4の使用例 学習していない事に対しては回答できない Point 厳密にはそれっぽい事を回答する事もある。 が原則として学習していない事には回答できないようになっている。 プロンプト 生成 その課題を解決するのが… ユーザ p.10

11.

RAG!! p.11

12.

RAGとは? 正式名称 「Retrieval Augmented Generation(検索拡張生成)」 生成AIに外部情報を参照させる仕組み 生成AIは学習済みの情報が無ければ回答できない ↓ RAGを使う事で生成AIが独自の外部情報を 参照した上で回答できるようになる p.12

13.

もう少し解像度を上げるために RAGの全体像を見てみましょう p.13

14.

RAGの全体像 「RAGの教科書」のワークフロー図をお借りしました p.14 https://zenn.dev/microsoft/articles/rag_textbook

15.

RAGの全体像 各ドキュメントをLLMが理解できる形式に変換 このことをベクトル化と言います。 「RAGの教科書」のワークフロー図をお借りしました p.15 https://zenn.dev/microsoft/articles/rag_textbook

16.

RAGの全体像 Retrieval(検索・取得) 散らばった情報の中から必要なものを能動的 に探し出して取ってくる行為の事 「RAGの教科書」のワークフロー図をお借りしました p.16 https://zenn.dev/microsoft/articles/rag_textbook

17.

RAGの全体像 既存のものに何かを付け加えて能力を高めること Augmented(拡張・強化) 生成AIが持っている基礎知識とは別に外部から取得した情報を与え ているのでその事を拡張・強化という表現をしていると思われる 「RAGの教科書」のワークフロー図をお借りしました p.17 https://zenn.dev/microsoft/articles/rag_textbook

18.

RAGの全体像 新しいコンテンツを作り出すこと Generation(生成) LLMが基礎知識+外部情報を持った状態で生成していることを表 していると思います 「RAGの教科書」のワークフロー図をお借りしました p.18 https://zenn.dev/microsoft/articles/rag_textbook

19.

RAGの実装方法 これらの仕組みをLlamaIndexを使って実装していきます Retrieval(検索・取得) 散らばった情報の中から必要なものを能動的に探し出して取っ てくる行為の事 既存のものに何かを付け加えて能力を高めること Augmented(拡張・強化) 生成AIが持っている基礎知識とは別に外部から取得した情報を与 えているのでその事を拡張・強化という表現をしていると思わ れる 新しいコンテンツを作り出すこと Generation(生成) LLMが基礎知識+外部情報を持った状態で生成していることを表 していると思います p.19

20.

お疲れ様でした! 今まで学んだ内容を基にハンズオンをしていきましょう https://github.com/bucchi-kitamura/rag-hanzon/tree/handson/rag-text p.20