日常業務に加え、DXの課題検討、AIの発展とさまざまな動きに合わせて勉強しておくべき用語は山積みだ。本稿では、”あのIT用語”を料理をテーマに理解する。
「AIモデルは大きいほどよい」という時代は終わりつつある。AI導入を成果につなげたいCIOがいま注目するのが、軽量かつ効率的な小規模言語モデル（SLM）だ。
LLMの安全性を高める手法として注目されてきた「RAG」（検索拡張生成）だが、その仕組みを逆手に取った攻撃手法「間接プロンプトインジェクション」が問題視されている。脅威の実態を解説する。
大規模言語モデル（LLM）と外部データを連携させて精度を高める「RAG」（検索拡張生成）の導入が進んでいる。その3つの設計パターンについて、RAG実装時の課題や設計パターンの選び方と併せて解説する。
LLMの回答精度向上に役立つ技術として、「RAG」（検索拡張生成）への注目が集まっている。今後RAGにはどのような進化が期待されているのか。
LLMを使う際にネックとなるのが回答精度の問題だ。この課題を克服する上で「RAG」（検索拡張生成）が役立つ。RAGはどのようにLLMの回答精度を高めるのか。その仕組みを解説する。
大規模言語モデル（LLM）のビジネスへの活用や、LLMの精度向上に役立つ「RAG」（検索拡張生成）を採用する動きが広がっている。なぜLLMとRAGは企業の関心を集めるのか。その真価を探る。
生成AIの利用が広がる中、大規模言語モデル（LLM）を狙った攻撃も活発になりつつある。NVIDIAの研究者が生成AIの“2大脅威”について語った。生成AIを安全に使うために知っておきたい点とは。
RAGとベクトルデータベースが企業の注目を集める一方で、導入に伴う課題も顕在化している。本稿では、ベクトルデータベース導入の技術的課題を乗りこえるための取り組みや、今後のデータベース市場の動きを解説する。
RAG（検索拡張生成）実装にも使われる「ベクトルデータベース」は、AI技術の活用が広がる中で企業の関心を集めている。他のデータベースとの違いを交えて、ベクトルデータベースがなぜ必要なのかを解説する。
ITmediaはアイティメディア株式会社の登録商標です。
