要約
- 2022年秋にOpenAIがChatGPTをリリースする前から、Douwe Kielaは大規模言語モデル単体では企業の主要ユースケースに対する部分的な解決策しか提供できない理由を理解していた。
- 2017年と2018年にGoogleとOpenAIからの二つの重要な論文に強く影響を受け、高速で効率的なトランスフォーマーベースの生成AIモデルとLLMを作成する方法が明らかになった。
- 2020年春、Kielaと彼のチームは、自身の画期的な論文を公開し、リアルタイムデータへのアクセスを容易かつ効率的に提供する方法であるリトリーバル増強生成（RAG）を紹介した。
- Contextual AIのプラットフォームであるRAG 2.0は、競合他社に比べて約10倍のパラメーター精度とパフォーマンスを達成できる。
- RAGはLLMパワードのチャットボットを展開する企業にとって主要なアプローチとなり、RAGに焦点を当てたスタートアップの活発なエコシステムが形成されている。
- Contextual AIは、リトリーバとLLMを緊密に統合し、両者をバックプロパゲーションを通じて調整およびチューニングすることで、他社との差別化を図っている。
私の考え
生成AIの分野では、リアルタイムデータにアクセスし、効果的かつ効率的に更新することが重要です。Contextual AIのRAGアーキテクチャは、新しい情報を取り入れることでモデルの精度を向上させ、企業ユーザーにとってより有益なツールとなっています。また、リトリーバと生成器を緊密に統合するアプローチは、精度や最適化の向上につながる一方、他のRAGアーキテクチャよりも「alucinated」データを含まないようにするため、非常に重要であると考えます。
元記事: https://blogs.nvidia.com/blog/contextual-ai-retrieval-augmented-generation/