RAGとは

読み: らぐ Retrieval-Augmented Generation AI計算資源・大規模モデルの用語

RAGとは、外部の文書を検索してモデルの文脈に注入する方式。モデルを再訓練せずに最新・私有の知識を使わせる、企業導入の標準手法。

3段で深く知る — 基礎・高級・投資家視点

1行の定義から、体系解説の該当箇所へそのまま降りられる。抜粋は体系解説でこの語が出てくる箇所から引いた。続きはリンク先にある。

基礎知識篇まず押さえる仕組み

第II部仕組み ② AIの仕組み — なぜ次の1語が当たるのか

…2.7 埋め込み検索とRAG — 外部知識を注意機構に届ける経路 RAGは「モデルに検索させている」のではない。検索した文章をプロンプトに貼り付けているだけである。この一点を理解すると、失敗の大半がモデル側ではなく検索側で起きている理由が分かる。応用層での位置づけは⑤5.1節 (第3層: 私有データ)を参照。 2.8 誤解の解体 — 通説と実際投資判断と業務設計を最も歪めるのは、技術の難しさではなく広く流通している通説である。以下はいずれも、そのまま信じると意思決定を誤るものを選んだ。この章から導かれる、実務で効く7つの帰結 MoEで安くなるのは演算だけ。GPUメモリは総パラメータ分いるため、小規模事業者にはむしろ敷居が高いトークナイザは事前学習後に変更できない。語彙表の設計はモデルの寿命まで付いて回る語彙表の大きさは出力層の行列の大きさそのもので、1トークンあたりの計算量…

→ 続きを読む (体系解説)

高級知識篇一段深い原理

第III部経済 ⑤ 応用層の解剖 — 「ラッパー」は何でできているか

基盤モデルの上に作られるAI応用は、揶揄を込めて「ラッパー (外装)」と呼ばれることがある。しかし実際の応用は5つの層の積み重ねであり、どの層に独自性を持つかで防御力 (模倣されにくさ) が決まる。「ラッパーだから無価値」でも「AI搭載だから有望」でもなく、層ごとの見極めが投資判断の要になる。 5.1 応用を構成する5層 5.2 応用の3分類 — 生成型・垂直特化型・実行型生成型 (汎用対話) ChatGPT・Claude・Grok・Gemini など、モデル提供社自身の看板応用文章・画像・符号 (コード) の生成を汎用に提供モデル性能がそのまま製品力。第三者が同じ土俵で戦うのはほぼ不可能垂直特化型 (業種特化) 電子商取引の商品画像生成、医療の読影・記録支援、事務のAI補助など第3層 (業界データ)・第5層 (業務への埋め込み) で防御力を作る業界知識と販路を持つ既存企業…

→ 続きを読む (体系解説)

投資者視点篇投資家がこの語で見る点

→ 該当箇所を読む (体系解説)