宝玉（@dotey）のスレッド

LLM、RAG、AIエージェントの違いを分かりやすく解説します。以下は元のツイートの翻訳です。 LLM、RAG、AI エージェントの違いがようやく分かりました。 過去2年間、真に実用的なAIシステムを構築してきました。そして今、ようやく理解できました。 LLM（大規模言語モデル）、RAG（検索拡張）、そしてAIエージェントは、全く競合する技術ではなく、同じAI知能システムを構成する3つのレイヤーです。多くの人がこれらを互いに排他的なツールとして扱い、誤用しています。 --- 大規模言語モデルは「脳」です。 LLMはAIの脳のようなもので、考え、書き、言語を理解することができます。しかし、問題は、ある時点で停止してしまうことです。 例えば、GPT-4の知識はトレーニング終了日まで遡ります。昨日のニュースで何が起こったか尋ねても、GPT-4は勝手に事実を捏造するでしょう。 大規模言語モデルはインテリジェントですが、「今」何が起こっているかを理解しません。 --- RAG は AI の「メモリ」です。 ここで RAG (Retrieval-Augmented Generation) が登場します。これは、脳に「外部記憶」を与えるようなものです。 質問すると、RAG はまず外部のデータベースまたはドキュメントを検索して関連情報を取得し、それをコンテキストとして大規模言語モデルに入力します。 このようにして、もともと静的だったモデルが突然「生き返った」のです。 - 最新のデータ - 事実は確かにある - モデルを再トレーニングする必要はまったくありません 最も重要なのは、精度が即座に向上したことです。大規模言語モデルはもはや記憶からの推測に頼る必要がなくなり、リアルタイムに取得した情報に基づいて推論を行うようになりました。さらに、それぞれの回答にどの文書が使用されたかを追跡することも可能です。 --- AI エージェントは AI の「原動力」です。 LLM は考えることができ、RAG は最新のデータを提供できますが、どちらも実際のアクション能力が欠けています。 ここで AI エージェントが登場します。AI エージェントは大規模な言語モデルを制御ループで囲みます。 - 目標を設定する - 計画手順 - 処刑 - レビューと反省 AI エージェントは質問に答えるだけではありません。トピックを自律的に調査し、データを収集し、レポートを作成し、さらにはメールを送信することまで、すべて完全に自動化されたプロセスで実行できます。 --- 真の製品レベルの AI には、これら 3 つの要素を同時に効果的に使用する必要があります。 多くの印象的なAIデモンストレーションは、LLM（限定学習モデル）と洗練されたプロンプトを組み合わせただけのものです。しかし、真に実用的なAIシステムは、多くの場合、以下の3つの要素を組み合わせています。 - LLMは推論と思考のスキルを提供します RAG は、知識が正確かつ最新であることを保証します。 AI インテリジェント エージェントは、アクションと意思決定機能を提供します。 --- これら3つの中からどのように選択すればよいでしょうか? - LLMのみを使用する 文章作成、要約、説明など、純粋に言語ベースのタスクが必要な場合。 - LLM + RAG 特定のドキュメント、技術マニュアル、またはドメイン固有の知識に関する質問に答える必要があり、回答が正確であることを確認する必要がある場合。 - LLM + RAG + AI インテリジェント エージェント: システムが独自の決定を下し、タスクを実行し、複雑なプロセスを管理するなど、真に自律的なアクションが必要な場合。 --- AI の将来は、1 つのアプローチを選択することではなく、これら 3 つのレイヤーをどのように構築するかにかかっています。 この式を覚えておいてください: - LLMは思考する責任がある - RAGは知識に責任を負います - AIエージェントが行動に責任を持つ 真の AI インテリジェント システムとは、これら 3 つの要素が連携して完全なインテリジェント アーキテクチャを形成するシステムです。