Gratis Quickscan

Begrippen

Retrieval-augmented generation (RAG)

Ook bekend als: RAG

Geschreven door
Outseen
Bijgewerkt

Retrieval-augmented generation (RAG) is een werkwijze waarbij een AI-systeem eerst relevante documenten opzoekt en een taalmodel daarna een antwoord schrijft op basis van die gevonden tekst. Zo kan het antwoord actuele informatie en bronnen bevatten die niet in de training zaten.

Retrieval-augmented generation (RAG) koppelt een taalmodel aan een zoekstap. De term komt uit een onderzoeksartikel van Lewis en anderen uit 2020. Daarin combineren de onderzoekers het geheugen dat in een getraind model zit met een externe index die het model via een zoekcomponent raadpleegt. In hun proef was die index Wikipedia. AI-assistenten die live op het web zoeken, werken volgens hetzelfde idee met webpagina’s als bron.

Waarom is het belangrijk?

De zoekstap is het moment waarop een AI-systeem jouw pagina kan vinden en ernaar kan linken. Google behandelt grounding in zijn gids over generatieve AI-functies als een andere naam voor RAG, en schrijft dat zijn AI-functies daarbij steunen op de gewone rankingsystemen van Google Zoeken. Een pagina die niet vindbaar of niet leesbaar is, doet bij die stap niet mee.

Voorbeeld

Schematisch verloopt een RAG-antwoord zo:

vraag van de gebruiker
  -> een of meer zoekopdrachten
  -> gevonden pagina's en fragmenten
  -> taalmodel schrijft het antwoord
  -> antwoord met bronlinks

Veelgemaakte fout

Denken dat RAG een juist antwoord garandeert. Google schrijft over grounding met Google Zoeken dat het hallucinaties kan verminderen. Verminderen is niet uitsluiten: een fout in de bron of in de samenvatting blijft mogelijk.

Zie ook grounding en Hoe kiezen AI-assistenten welke websites ze noemen?.

Bronnen

Verder lezen