RAG neboli Retrieval Augmented Generation je technologie kombinující vyhledávání informací a generativní umělou inteligenci. Jejím cílem je zvýšit přesnost odpovědí tím, že AI model pracuje s externími daty místo spoléhání pouze na informace uložené během trénování.
Klasické jazykové modely mají jednu zásadní nevýhodu – pracují převážně s daty, na kterých byly natrénovány. Pokud potřebují odpovědět na otázku týkající se aktuálních dokumentů, interních databází nebo specifických firemních informací, mohou vytvářet nepřesné odpovědi.
Právě zde přichází RAG.
Princip fungování je poměrně jednoduchý
Nejdříve systém vyhledá relevantní informace z externích zdrojů. Může jít například o PDF dokumenty, firemní databáze, webové stránky … Následně jsou tato data předána AI modelu, který vytvoří odpověď založenou na skutečných informacích.
Proces obvykle vypadá následovně:
- uživatel odešle dotaz
- systém najde související dokumenty
- vybere nejrelevantnější části obsahu
- odešle je AI modelu
- model vytvoří výslednou odpověď
Příklad: zaměstnanec firmy položí otázku:
„Jaké jsou podmínky reklamace u produktu X?“
Místo obecné odpovědi AI nejprve otevře interní dokumentaci firmy a následně vytvoří přesnou odpověď podle aktuálních dat.
Velkou výhodou je omezení tzv. AI halucinací. Model totiž neodpovídá pouze podle odhadů, ale využívá reálné zdroje. RAG často využívá vektorové databáze, které ukládají informace ve formě embeddingů. Díky tomu systém nevyhledává jen přesná slova, ale i významově podobný obsah.
Technologie Retrieval Augmented Generation je dnes považována za jeden z nejdůležitějších prvků moderních AI aplikací a tvoří základ velké části pokročilých AI agentů.
