Retrieval-augmented generation (RAG)
Retrieval-augmented generation (RAG) là kỹ thuật AI trong đó hệ thống trước tiên truy xuất các đoạn văn bản liên quan từ một nguồn tri thức xác định, chẳng hạn như tài liệu hướng dẫn nông học hoặc quy định pháp lý, sau đó để mô hình ngôn ngữ tạo câu trả lời dựa trên các đoạn này, thường kèm trích dẫn nguồn.
Còn được gọi là: RAG · tạo sinh có căn cứ · AI truy xuất tăng cường
Tại sao điều này quan trọng?
Trong nông nghiệp và tuân thủ pháp lý, câu trả lời cần phù hợp với một loại cây trồng, vùng miền, mùa vụ hoặc văn bản pháp luật cụ thể. Một mô hình ngôn ngữ đơn thuần có thể đưa ra lời khuyên trôi chảy nhưng thiếu chính xác. RAG giúp câu trả lời bám sát một tập hợp tri thức được biên soạn kỹ lưỡng, chẳng hạn như tài liệu khuyến nông, thực hành nông nghiệp tốt, tiêu chuẩn chứng nhận hoặc EUDR, những nguồn này có thể được cập nhật mà không cần huấn luyện lại mô hình. Cách tiếp cận này được mô tả trong nghiên cứu của Lewis và cộng sự (2020).
RAG hoạt động như thế nào?
- Xây dựng nguồn tri thức: thu thập và rà soát tài liệu, chia thành các đoạn và lập chỉ mục.
- Truy xuất: với mỗi câu hỏi, tìm các đoạn liên quan nhất, thường bằng tìm kiếm ngữ nghĩa.
- Tạo sinh: đưa các đoạn văn bản và câu hỏi cho mô hình ngôn ngữ, yêu cầu nó trả lời dựa trên các đoạn đó.
- Trích dẫn và đánh giá: hiển thị nguồn, kiểm tra câu trả lời dựa trên các câu hỏi đã được chuyên gia rà soát, và thu thập phản hồi từ người dùng.
Những sai lầm thường gặp
- Nguồn tri thức đã lỗi thời hoặc chưa được điều chỉnh phù hợp với điều kiện địa phương.
- Trộn lẫn các nguồn có độ tin cậy khác nhau mà không phân loại thứ tự ưu tiên.
- Không có bộ dữ liệu đánh giá, nên không biết được chất lượng thực sự.
- Câu trả lời dùng ngôn ngữ hoặc trình độ đọc hiểu không phù hợp với nông dân.
Chuyên gia nông học AI của Farmer1st sử dụng các câu trả lời có căn cứ từ kiến thức nông học đã được rà soát, nhằm hỗ trợ nông dân và các đội ngũ làm việc cùng họ.
Câu hỏi thường gặp
Tại sao dùng RAG thay vì một chatbot thông thường?
Một mô hình thông thường trả lời dựa trên những gì nó học được trong quá trình huấn luyện, điều này có thể đã lỗi thời, chung chung hoặc không phù hợp với bối cảnh địa phương. RAG giới hạn câu trả lời trong các nguồn đã được kiểm chứng và cập nhật, đồng thời cho phép chỉ rõ nguồn nào hỗ trợ cho câu trả lời đó.
RAG có loại bỏ hoàn toàn sai sót của AI không?
Không. RAG giúp giảm các câu trả lời thiếu căn cứ, nhưng vẫn phụ thuộc vào chất lượng và độ bao phủ của nguồn tri thức, bước truy xuất và quá trình đánh giá. Việc rà soát của con người và các vòng phản hồi vẫn rất quan trọng.
Hãy cho chúng tôi biết về chuỗi cung ứng của bạn.
Chỉ mười phút với trợ lý khảo sát của chúng tôi. Chúng tôi sẽ phản hồi với bản phác thảo đầu tiên cho dịch vụ của bạn.
