Mi az a RAG, vagyis a retrieval augmented generation, és miért gondolják sokan bonyolultabbnak, mint amilyen valójában? A generatív mesterséges intelligencia világában ez az egyik leggyakrabban emlegetett fogalom, mégis sokan félreértelmezik a használatát és az összetettségét.
A videó lépésről lépésre végigveszi a RAG módszertan különböző szintjeit, a legegyszerűbb kontextus-dumptól kezdve egészen a fejlett, agent-alapú és grafikus megközelítésekig. Felmerül a kérdés: mikor és miért érdemes egyáltalán bonyolultabb technikákat alkalmazni? Érdekes példákkal és analógiákkal mutatja be, hogy sokszor egyszerűbb megoldások is elégségesek lehetnek, főleg kisvállalkozások vagy kisebb adatmennyiségek esetén.
Több szó esik a különböző implementációs kihívásokról és kompromisszumokról is – hogyan lehet összefűzni a hatékonyságot, a költségeket, illetve a pontosságot? Hogyan kezelhetők komplex tudásbázisok, vagy éppen mikor éri meg átlépni egy fejlettebb RAG szintre? Célzottan foglalkozik azzal is, milyen kérdéseket, dokumentumokat, cégek és projektek érdemelnek nagyobb RAG-befektetést, illetve hogy mik lehetnek a skálázás buktatói.
Az előadó átfogóan bemutatja, milyen módszertani lépcsők vezetnek a legegyszerűbbtől a legösszetettebb rendszerekig. Emellett újszerű példákon keresztül vet fel dilemmákat az AI-vezérelt információkinyerés valódi szükségességéről, és hogy mikor válik elkerülhetetlenné a komplexitás.
