RAG アプリケーションをデプロイする準備はできましたか?
- AWS エキスパートのサポートが必要ですか? 今すぐプロジェクトを投稿してパートナーにご相談ください。 詳細はこちら。
- 無料利用枠を使い切りましたか? スタートアップは最大 10 万 USD の AWS クレジットを申請できます。今すぐお申し込みください。
- 構築
- Amazon Bedrock のナレッジベースを使用した RAG
Amazon Bedrock のナレッジベースを使用した RAG
Amazon Bedrock のナレッジベースを使用して検索拡張生成 (RAG) チャットボットをデプロイする
AWS ソリューションアーキテクトによる概要
検索拡張生成 (RAG) は、大規模な言語モデルの出力を最適化するプロセスです。そのため、応答を生成する前に、トレーニングデータソース以外の信頼できる知識ベースを参照します。大規模言語モデル (LLM) は、膨大な量のデータに基づいてトレーニングされ、何十億ものパラメーターを使用して、質問への回答、言語の翻訳、文章の完成などのタスクのためのオリジナルの出力を生成します。RAG は、LLM の既に強力な機能を、モデルを再トレーニングすることなく、特定の分野や組織の内部ナレッジベースに拡張します。LLM のアウトプットを改善するための費用対効果の高いアプローチであるため、さまざまな状況で関連性、正確性、有用性を維持できます。
技術的な詳細
Amazon Bedrock は、開発を簡素化し、プライバシーとセキュリティを維持しながら、生成 AI アプリケーションを組み立てるための高性能な基盤モデルと幅広い機能を提供する完全マネージド型サービスです。
Amazon Bedrock ナレッジベースでは、データストアから情報を取得して大規模言語モデル (LLM) によって生成される応答を拡張する一般的な手法である検索拡張生成 (RAG) を活用できます。データソースを使用してナレッジベースをセットアップすると、アプリケーションはナレッジベースのクエリを実行して情報を返し、ソースからの直接引用またはクエリ結果から生成された自然な応答のいずれかを使用してクエリに回答できます。
ナレッジベースを使用すると、ナレッジベースのクエリから受け取ったコンテキストによって内容が強化されるアプリケーションを構築できます。パイプラインを構築するという重労働から解放され、すぐに使える RAG ソリューションが提供され、アプリケーションの構築時間を短縮できるため、市場投入までの時間を短縮できます。ナレッジベースを追加すると、プライベートデータを活用できるようにモデルを継続的にトレーニングする必要がなくなるため、費用対効果も向上します。
