Oracle Cloud Infrastructureドキュメント

取得拡張生成(RAG)を使用したAIの選択

「AI with RAG」を選択すると、セマンティック類似性検索を使用して、指定したベクトル・ストアからコンテンツを取得することで、自然言語プロンプトが拡張されます。これにより、特定の最新のコンテンツを使用することで幻覚が軽減され、プロンプトに対してより関連性の高い自然言語レスポンスが提供されます。

Select AIは、取得拡張生成(RAG)プロセスを自動化します。この手法では、AIベクトル検索を使用してエンタープライズ・ソースからデータを取得し、指定した大規模言語モデル(LLM)のユーザー・プロンプトを拡張します。エンタープライズ・データ・ストアからの情報を活用することで、RAGは幻覚を軽減し、アース・レスポンスを生成します。

RAGは、ベクトル索引でAIベクトル検索を使用して、指定された質問のセマンティックに類似したデータを検索します。ベクトル・ストアは、テキスト、イメージ、オーディオなどの様々なデータ・ポイントの数学的表現であるベクトル埋込みを処理します。これらの埋込みによってデータの意味が取得され、効率的な処理および分析が可能になります。ベクトル埋込みおよびAIベクトル検索の詳細は、AIベクトル検索の概要を参照してください。

Select AIは、Oracle Autonomous Database 23aiで使用可能なAIベクトル検索と統合され、ベクトル埋込みを使用した類似性検索を実現します。

トピック

親トピック: Select AIを使用したデータベースとの自然言語対話

ベクターストアを構築する

Select AIは、入力ドキュメント(PDF、DOC、JSON、XML、HTMLなど)をオブジェクト・ストアからプレーン・テキストに変換することで、ベクトル・ストアの作成と移入を自動化します。Oracle Textでは、約150種類のファイル・タイプがサポートされています。サポートされているすべてのドキュメント形式の完全なリストは、サポートされているドキュメント形式を参照してください。

Select AIは、ドキュメントをチャンクに自動処理し、埋込みを生成し、指定されたベクトル・ストアに格納し、新しいデータが到着するとベクトル索引を更新します。

オブジェクト・ストレージからの入力をSelect AI RAGとともに使用する方法を次に示します:
adb-obj-storage-select-ai-rag.pngの説明が続きます
図adb-obj-storage-select-ai-rag.pngの説明

  1. 入力: データは、最初にオブジェクト・ストレージに格納されます。
  2. Oracle Autonomous Databaseは、入力データまたはドキュメントを取得し、チャンク化して、チャンクを埋込みモデルに送信します。
  3. 埋込みモデルはチャンク・データを処理し、ベクトル埋込みを返します。
  4. ベクトル埋込みは、RAGで使用するためにベクトル・ストアに格納されます。コンテンツが追加されると、ベクトル索引が自動的に更新されます。

RAGは、ユーザーの質問に回答するために、エンタープライズ・データベースから関連する情報を取得します。この情報は、ユーザー・プロンプトとともに、指定された大規模言語モデルに提供されます。Select AIは、この追加のエンタープライズ情報を使用してプロンプトを強化し、LLMの応答を向上させます。RAGは、ベクター・ストアからの最新の企業情報を使用して、応答品質を向上させることができます。


adb-diagram-third-party-vector-db-select-ai-rag.epsの説明が続きます
図adb-diagram-third-party-vector-db-select-ai-rag.epsの説明

次のように、AIによるRAGの実装を選択します。

  1. 入力: ユーザーは、Select AI narrateアクションを使用して質問を(プロンプトを指定)します。

  2. AIプロファイルで指定された埋込みモデルを使用して、プロンプトのベクトル埋込みを生成します。

  3. ベクトル検索索引では、質問のベクトル埋込みを使用して、索引付けされた顧客のエンタープライズ・データ(ベクトル・ストアを検索)から一致するコンテンツを検索します。

  4. ベクトル検索では、Autonomous Databaseインスタンスへの入力に似た上位Kテキストが返されます。
  5. 次に、Autonomous Databaseは、ユーザーの質問を含むこれらの上位K問合せ結果をLLMに送信します。
  6. LLMは、Autonomous Databaseインスタンスへのレスポンスを返します。
  7. Autonomous Database Select AIは、ユーザーにレスポンスを提供します。

DBMS_CLOUD_AIを使用したベクター索引の作成および管理

DBMS_CLOUD_AIパッケージを使用して、ベクトル索引を作成および管理し、ベクトル・データベースJSONパラメータを構成します。

資格証明を作成し、ベクトル・データベースおよびAIプロバイダへのネットワーク・アクセスを提供すると、Autonomous DatabaseインスタンスはAIプロファイルを使用してLLMへのアクセスを構成します。Select AI文での設定および使用の完全な例は、例: RAGでのSelect AIの設定および使用を参照してください。
ノート

表データまたはベクトル検索ドキュメントをLLMに送信しない場合、管理者権限を持つユーザーは、特定のデータベースのすべてのユーザーに対してこのようなアクセスを無効にできます。これによって、RAGのnarrateアクションが無効になります。

「AIプロバイダおよびLLMの選択」にリストされているプロバイダのAIプロファイルは、DBMS_CLOUD_AIパッケージを使用して構成できます。

参照:

親トピック: RAG (Retrieval Augmented Generation)を使用したAIの選択

データベース内トランスフォーマ・モデルの使用

Select AI RAGを使用すると、Oracle Database 23aiインスタンスのデータベースにインポートされた事前トレーニング済ONNXトランスフォーマ・モデルを使用して、ドキュメント・チャンクおよびユーザー・プロンプトから埋込みベクトルを生成できます。

事前トレーニング済ONNXモデルのOracle Database 23aiインスタンスへのインポートについてさらに学習するには、次を参照してください
ノート

インポートされたデータベース内トランスフォーマ・モデルでSelect AI RAGを使用するには、事前トレーニング済ONNX形式のトランスフォーマ・モデルをOracle Database 23aiインスタンスにインポートする必要があります。サポートされているAIプロバイダのその他のトランスフォーマ・モデルを使用することもできます。

機能を調べるには、例: データベース内トランスフォーマ・モデルを使用したAIの選択を参照してください。

Select AI RAGのメリット

LLMで使用されるソースを確認することで、クエリを簡素化し、現在のデータで応答の正確性を高め、透明性を高めます。

Select AI RAGには、次の利点があります。

  • データのクエリを簡素化し、応答の精度を向上: ユーザーは自然言語を使用してエンタープライズ・データをクエリし、企業データから詳細なコンテキストをLLMに提供して、より正確で関連性の高い応答を生成し、LLMの幻覚のインスタンスを減らすことができます。

  • 最新の情報: ベクトル・ストアを使用して、LLMが現在の企業情報にアクセスできるようにすることで、静的データ・セットでトレーニングされたLLMのコストと時間のかかる微調整が不要になります。

  • シームレスな統合: Oracle AI Vector Searchと統合して、データの処理を合理化し、パフォーマンスを向上させます。

  • 自動データ・オーケストレーション: 完全管理型のVector Indexパイプラインを使用してオーケストレーション・ステップを自動化し、新しいデータを効率的に処理します。

  • わかりやすいコンテキスト結果: LLMで使用されるソースをベクトル・ストアからアクセスおよび取得し、結果の透明性と信頼性を確保します。統合とアプリケーション開発を容易にするために、自然言語テキストまたはJSON形式でデータを表示および抽出します。