Retrieval-augmented generation (RAG)
Retrieval-augmented generation (RAG) adalah teknik AI tempat sistem terlebih dahulu mengambil kutipan yang relevan dari basis pengetahuan yang telah ditentukan, seperti panduan agronomi atau regulasi, lalu meminta model bahasa menyusun jawaban yang berlandaskan kutipan tersebut, sering kali disertai rujukan sumbernya.
Juga dikenal sebagai: RAG · generasi berbasis sumber · AI berbasis penelusuran dokumen
Mengapa hal ini penting?
Di bidang pertanian dan kepatuhan, jawaban harus sesuai dengan tanaman, wilayah, musim, atau teks hukum tertentu. Model bahasa saja dapat menghasilkan saran yang terdengar lancar tetapi tidak akurat. RAG melandaskan jawaban pada kumpulan pengetahuan yang dikurasi, seperti buku panduan penyuluhan, praktik pertanian yang baik, standar sertifikasi, atau EUDR (Regulasi Deforestasi Uni Eropa), yang dapat diperbarui tanpa melatih ulang model. Pendekatan ini diuraikan dalam riset Lewis dan rekan-rekannya (2020).
Bagaimana cara kerjanya?
- Membangun basis pengetahuan: mengumpulkan dan meninjau dokumen, memecahnya menjadi kutipan, lalu mengindeksnya.
- Menelusuri: untuk setiap pertanyaan, mencari kutipan yang paling relevan, sering kali dengan pencarian semantik.
- Menyusun jawaban: memberikan kutipan dan pertanyaan kepada model bahasa, dengan instruksi untuk menjawab berdasarkan kutipan tersebut.
- Merujuk dan mengevaluasi: menampilkan sumber, menguji jawaban terhadap pertanyaan yang telah ditinjau pakar, dan mengumpulkan umpan balik pengguna.
Kesalahan yang sering terjadi
- Basis pengetahuan yang sudah usang atau tidak disesuaikan dengan kondisi setempat.
- Mencampur sumber dengan tingkat keandalan berbeda tanpa pemeringkatan.
- Tidak ada set evaluasi, sehingga mutu jawaban tidak diketahui.
- Jawaban dalam bahasa atau tingkat keterbacaan yang tidak digunakan petani.
Agronom AI Farmer1st memakai jawaban yang berlandaskan pengetahuan agronomi yang telah ditinjau untuk mendukung petani dan tim yang bekerja bersama mereka.
Pertanyaan yang sering diajukan
Mengapa memakai RAG, bukan chatbot umum?
Model umum menjawab berdasarkan apa yang dipelajarinya saat pelatihan, yang bisa sudah usang, terlalu umum, atau keliru untuk konteks setempat. RAG membatasi jawaban pada sumber yang sudah diperiksa dan mutakhir, serta memungkinkan sistem menunjukkan sumber yang mendukung jawaban.
Apakah RAG menghilangkan kesalahan AI?
Tidak. RAG mengurangi jawaban yang tidak berdasar, tetapi hasilnya bergantung pada mutu dan cakupan basis pengetahuan, tahap penelusuran, dan evaluasi. Tinjauan manusia dan umpan balik tetap penting.
Ceritakan rantai pasok Anda.
Sepuluh menit bersama asisten pelingkupan kami. Kami kembali kepada Anda dengan sketsa pertama layanan Anda.
