AIに「参考書を持たせて、それを見ながら答えさせる」仕組みのこと。ChatGPTは社内マニュアルの中身を知りませんが、質問のたびに関係しそうなページを探して渡してやれば、それを読んで答えられます。この「探して渡す」部分がRAGです。社内文書検索チャットの正体はこれ。

文章の「意味」を数字の並びに変換したもの。意味が近い文章どうしは、数字の並びも近くなります。だから「言い回しは違うけど同じことを言っている文章」を機械が見つけられる。RAGが参考書のページを探すときに使っている技術です。

キーワードの一致ではなく、意味の近さで探す検索。「有給の申請方法」で検索したときに「休暇取得の手続き」と書かれたページも拾ってこられるのがこれ。Googleのキーワード検索との一番の違いです。

長い文書を、検索できる大きさに切り分けること。切り方が悪いと、答えの前半だけ拾って後半を落とす、といった事故が起きます。地味ですが、RAGの精度を一番左右する工程です。

AIがもっともらしい嘘をつくこと。バグではなく仕組み上の性質です。AIは「次に来る確率が高い言葉」を選び続けているだけなので、知らないことでも文章としてそれらしく続けてしまいます。

「この入力ならこう返ってほしい」をテストとして書いておき、AIの答えが基準を満たすか機械的に判定する仕組み。プログラムのテストコードのAI版です。これがあると、プロンプトを直したときに他が壊れていないか確認できます。

AIへの指示文のこと。「あなたは丁寧な受付担当です。次の質問に3行で答えてください」のような、毎回AIに渡している前置きも含みます。

AIモデル自体に追加で学習させて、性質を変えること。「うちの言い回しで書くAI」を作れます。ただし手間と費用がかかる割に、プロンプトの工夫やRAGで足りることが多い。Week 4はこれを1回だけ試して、その感覚をつかむための週です。

ファインチューニングを軽くやる方法。AI本体には触らず、小さな「差分の部品」だけを学習させます。個人のパソコンや無料のGoogle Colabでも試せるのはこの手法のおかげです。

プログラムからAIを呼び出すための窓口。画面のChatGPTを人が使うのに対し、APIは自分の作ったプログラムがAIに質問を投げて答えを受け取る通り道です。使った分だけ料金がかかります。