توليد معزز بالاسترجاع (RAG)
تعريف سريع
توليد معزز بالاسترجاع (RAG) هي تقنية يقوم فيها نظام الذكاء الاصطناعي أولاً باسترجاع مقاطع ذات صلة من مصدر موثوق، مثل قاعدة بيانات المعرفة أو كتالوج المنتجات، ثم يعطيها لنموذج اللغة بحيث تستند إجابته على تلك المقاطع بدلاً من ذاكرته فقط.
في هذه الصفحة
لماذا يوجد RAG
نموذج اللغة يتعلم من لقطة ثابتة من النص. هو لا يعرف سياسة الإرجاع الخاصة بك، أسعارك الحالية أو المنتج الذي أضفته هذا الصباح، وعندما يُسأل على أي حال قد ينتج إجابة معقولة لكنها خاطئة. إعادة تدريب نموذج في كل مرة يتغير فيها محتواك سيكون بطيئًا ومكلفًا.
RAG يحل هذه المشكلة من خلال الاحتفاظ بالمعرفة خارج النموذج. محتواك يبقى في متجر قابل للبحث يمكنك تحديثه في أي وقت؛ النموذج يُطلب منه فقط قراءة المقاطع ذات الصلة وصياغة إجابة. تم وصف هذا النهج من قبل لويس وزملائه في أبحاث الذكاء الاصطناعي في فيسبوك في عام 2020.
كيف يعمل، خطوة بخطوة
أولاً، يتم إعداد المحتوى: الوثائق، صفحات الويب أو سجلات المنتجات تُقسم إلى مقاطع، وكل مقطع يتم تحويله إلى تمثيل — قائمة من الأرقام التي تلتقط معناه. يتم تخزين هذه التمثيلات في فهرس متجه، غالبًا بجانب فهرس الكلمات الرئيسية التقليدي.
عندما تصل سؤال، يتم تحويله بنفس الطريقة ويتم استرجاع أقرب المقاطع، أحيانًا مع دمج البحث بالكلمات الرئيسية أو الفلاتر مثل اللغة أو الفئة. يتم إدخال أفضل المقاطع في موجه النموذج مع تعليمات للإجابة منها. العديد من الأنظمة أيضًا تعيد المصادر، بحيث يمكن للقارئ التحقق من مصدر الإجابة.
حدود يجب معرفتها
RAG جيد فقط بقدر ما يسترجع. إذا كانت المقطع الصحيح مفقودًا، قديمًا أو مقسمًا بشكل سيء، فإن النموذج يجيب من المقطع الخاطئ أو يعود إلى ذاكرته. الأسئلة المهيكلة — "أرخص سترة متاحة في الحجم M" — تُخدم بشكل سيء من خلال البحث عن التشابه فقط وتحتاج إلى فلاتر على البيانات الحقيقية. ولا يزال النموذج يمكن أن يسيء قراءة مقطع، لذا يجب التحقق من الإجابات حول المواضيع الحساسة أو تصعيدها.
لهذا السبب، أنظمة الإنتاج تجمع بين RAG والبحث المهيكل، وقواعد التحديث التي تعيد مزامنة المحتوى عند تغييره، وتعليمات واضحة لتوضيح متى لا تحتوي المصادر على الإجابة.
RAG في خدمة العملاء
بالنسبة لمساعد الدعم أو التجارة الإلكترونية، RAG هو ما يسمح للوكيل بالإجابة من أسئلتك الشائعة، سياساتك وكتالوجك بلغة العميل، والإشارة إلى الصفحة التي استخدمها. في AI SmartTalk، المعرفة التي يجيب منها المساعد — صفحات الويب، الوثائق، إدخالات الأسئلة الشائعة والمنتجات المتزامنة — يتم فهرستها بهذه الطريقة، وأسئلة المنتجات تستخدم أيضًا فلاتر على السعر، الخيارات والمخزون.
أسئلة متكررة
هل RAG هو نفس ضبط النموذج؟
لا. ضبط النموذج يغير أوزان النموذج من خلال تدريبه على أمثلة؛ RAG يترك النموذج دون تغيير ويعطيه المعلومات الصحيحة في وقت السؤال. RAG عادة ما يكون الخيار الأفضل للحقائق التي تتغير، مثل الأسعار، المخزون أو السياسات.
هل RAG يوقف هلوسات الذكاء الاصطناعي؟
يقلل منها كثيرًا، لأن النموذج يجيب من مقاطع حقيقية، لكنه لا يزيلها. استرجاع جيد، تعليمات للاعتراف عندما تكون المصادر صامتة، وتحويل الحالة إلى شخص في الحالات الحساسة لا يزال مطلوبًا.
ما هو قاعدة بيانات المتجهات؟
متجر يقوم بفهرسة التمثيلات بحيث يمكن العثور على المقاطع الأقرب في المعنى لسؤال بسرعة. إنها الطبقة المعتادة للاسترجاع في نظام RAG، وغالبًا ما تكون مرتبطة بالبحث عن الكلمات الرئيسية.
هل يمكن أن يعمل RAG مع كتالوج المنتجات؟
نعم، لكن المنتجات تحتاج إلى أكثر من بحث عن التشابه: يجب على المساعد تصفية الحقول المهيكلة مثل السعر، الحجم أو المخزون، ثم استخدام RAG للوصف وأدلة الشراء.