検索拡張生成 — 検索の問題
Searchは、大規模言語モデル（LLM）を使用して最適な生成AIエクスペリエンスを構築するために不可欠なインフラストラクチャーです。LLMにプロンプトを入力して適切な回答データを得る機会を確実に活かすためにも、関連性は重要です。Elasticを使用した検索拡張生成（RAG）をLLMの基盤として活用しましょう。
Elasticの最新のイノベーションが生成AIのユースケースをどのように広げるかをご覧ください。
ブログ記事を読むアプリにRAGを組み込み、ベクトルデータベースでさまざまなLLMを試してみましょう。
Elasticsearchのラボについて詳しく見るElasticsearch Relevance Engine™を使用して高度なRAGベースのアプリケーションを構築する方法をご覧ください。
クイックスタートビデオを見るElasticのアドバンテージ
本番環境に利用でき、エンタープライズ規模に対応
Fortune 500企業が信頼して、生成AIのイノベーションの推進に活用
RAGのためにデータを準備
RAGは、再学習なしで関連性の高い独自データにアクセスすることで、LLMの力を拡張します。ElasticでRAGを使用すると、次のメリットが得られます。
- 最先端の検索手法
- 簡単なモデル選択と、手軽にモデルを切り替えられる能力
- ドキュメントおよびロールベースの安全なアクセスにより、データの保護を維持
検索エクスペリエンスをトランスフォーム
検索拡張生成とは何ですか？
検索拡張生成（RAG）とは、独自のデータソースからの関連情報を統合することでテキスト生成を強化するパターンです。生成モデルにドメイン固有のコンテキストを提供することで、RAGは生成されたテキスト応答の精度と関連性を向上させます。
独自のデータを利用する関連性の高いコンテキストウィンドウにElasticsearchを使用してLLM出力を改善し、安全で効率的な会話的エクスペリエンスで情報を提供します。
ElasticでRAGが動作する仕組み
ElasticsearchでRAGワークフローを強化
RAGワークフローにElasticを利用して、生成AIエクスペリエンスを強化する方法をご確認ください。独自のデータソースを使ってリアルタイムの情報と簡単に同期し、生成AIから関連性の高い最良の回答を得ることができます。
機械学習の推論パイプラインでElasticsearchインジェストプロセッサーを使用して、埋め込みを効率的に抽出します。テキスト（BM25一致）検索とベクトル（kNN）検索をシームレスに組み合わせることで、コンテキストを認識した応答生成のためにトップスコアのドキュメントを検索します。
ユースケース
プライベートデータセットで動作するQ&Aサービス
Elasticsearchをベクトルデータベースとして利用し、RAGを使用したQ&Aエクスペリエンスを実装できます。
AI検索 — 導入例
お客様事例
Consensus、Elasticの高度なセマンティック検索とAIツールで学術研究プラットフォームをアップグレード
お客様事例
CiscoはGoogle CloudのElasticでAI駆動の検索エクスペリエンスを実現
お客様事例
ジョージア州立大学では、AIを活用した検索で、データインサイトを強化し、学生の学資援助申請の支援を模索しています。
よくあるご質問
検索拡張生成（一般に「RAG」）は、企業が独自のデータソースを検索して、大規模言語モデルの基礎となるコンテキストを提供できるようにする、自然言語処理のパターンです。これにより、生成AIアプリケーションで、より正確なリアルタイムの応答が可能になります。
RAGが最適に実装された場合には、関連性の高い、ドメイン固有の独自データにリアルタイムで安全にアクセスできるようになります。また、生成AIアプリケーションでのハルシネーションの発生を減らし、応答の精度を高めることができます。
RAGは複雑な手法であり、以下の要素から影響を受けます。
- 供給されるデータの品質
- 検索の有効性
- データセキュリティ
- 結果の微調整のために生成AI応答のソースを引用できる能力
さらに、移り変わりの速いエコシステム内で適切な生成AIや大規模言語モデル（LLM）を選択することは、組織にとって課題となる場合があります。また、RAGに関連するコスト、パフォーマンス、スケーラビリティが、企業がアプリケーションを本番用にリリースする際に時間がかかる要因となる可能性もあります。
Elasticsearchは、任意のソースからの構造化データや非構造化データをインデックスして格納できる、フレキシブルなAIプラットフォームおよびベクトルデータベースです。数十億件ものドキュメントを対象に、効率的でカスタマイズ可能な情報検索と自動的なベクトル化が可能になります。また、ロールおよびドキュメントレベルのアクセス制御により、エンタープライズセキュリティを確保できます。Elasticはさらに、ハイパースケーラー、モデルレポジトリ、フレームワークを含む、拡張を続ける生成AIエコシステム全体のイノベーションにアクセスするための標準インターフェースを提供します。最後に、Elasticは本番スケールの環境で実績があり、Fortune 500企業の50%以上で利用されています。ElasticでのRAGシステムの構築方法をプレイグラウンドで詳しくご覧ください。
Elasticは、クラスター横断検索（CCS）とクラスター横断レプリケーション（CCR）を通じて、プライベート、オンプレミス、クラウドのすべての環境にわたるデータの管理と保護を支援します。CCSとCCRは、次の目的に役立ちます。
- 高可用性の確保
- グローバルなデータ保護規制へのコンプライアンスの維持
- データのプライバシーと主権の確立
- 効果的な災害復旧戦略の構築
また、Elasticでは、ロールベースおよびドキュメントレベルのアクセス制御により、顧客や従業員がそれぞれアクセス権を持つデータの応答だけを受け取るようにできます。さらに、ユーザーは任意の環境に対する包括的なオブザーバビリティと監視からインサイトを得ることができます。
