RAGの課題を克服、生成AIの回答精度を向上させる「GraphRAG」とは？：株式会社ハイレゾ提供Webキャスト

[ITmedia]

　RAG（検索拡張生成）は生成AIを強化する技術だが、非構造化データを対象とするため、データ間の複雑な関係性を十分に捉えられず、回答精度に課題がある。この課題を解決する手法の1つがGraphRAGだ。GraphRAGでは、ナレッジグラフを活用して情報を構造化し、データ間の関係性をより深く理解することで、検索・回答精度が飛躍的に向上する。

　本動画では、非構造化データにおけるベクトル検索（キーワード検索）と、構造化データを対象としたグラフ検索を統合したGraphRAGの構築方法をデモ動画で紹介する。実装にはNeo4jおよびLangChainを使用し、ローカル環境で稼働するLLMを活用することで、機密データを安全に扱うことが可能となる。

　また、RAGの精度を向上させるためにはLLMの性能向上が不可欠だが、これには大規模なGPUリソースが必要となる。しかし、GPUを自前で用意すると、コストの高さや柔軟性・拡張性の制約が課題となる。そこで動画では、NVIDIA製GPUインスタンスを大手のパブリッククラウドの半額程度で利用できる、国産のGPUクラウドサービスを紹介する。オンプレミス環境や他サービスとの比較、導入事例を交えながら、そのメリットを解説する。

会員登録（無料）が必要です

続きを読むには、［続きを読む］ボタンを押して会員登録あるいはログインしてください。

驍ｯ螢ｹ窶ｳ郢ｧ螳夲ｽｪ�ｭ郢ｧﾂ€