生成AI応用のためのRAG入門－NaïveRAGからMultimodalRAGまで、簡易実装を通した基礎事項の理解と構築法－＜会場受講＞

セミナー趣旨

  生成 AI 技術の有力な応用として RAG（Retrieval-Augmented Generation）があります。ChatGPT のようなチャットボットはあらゆる質問に回答できるため、非常に重宝しますが、社内文書や特定の文書に特化した質問には答えることができません。また Web か API を経由して利用するしかないため、セキュリティの面も気になります。そのような背景から RAG が登場しました。
  RAG は対象の文書をデータベースに持ち、質問に関連のある記述を文書内から検索して、その検索結果を質問と一緒にチャットボットに入力することで、対象の文書に関する質問にも回答できるようになります。さらにチャットボットの核となる LLM (Large Language Model)をローカルに持てば、オンプレミスの形で、自社内のインフラでRAG システムを運用することが可能となります。
  本セミナーでは RAG の基本事項を解説します。LangChain を利用して、簡易な RAG システムを実装することでRAG とはどういったものか、どういったところに改良点があるか、どういった課題があるかなどが理解できると思います。
また RAG は ChatGPT の出現当初から活発に研究されており、様々な改良手法が提案されています。その中の重要な手法として GraphRAG があります。GraphRAG についても簡単な実装を通して、解説します。
  現在 RAG （に相当するシステム）は様々な形でノーコードにより実現することができます。GPTs、Dify、Perplexity、NotebookLM を使ってそれらを解説します。
最後に、図や表などを含む文書に対する RAG（いわゆる Multimodal RAG）の現状についても解説し、ColQwen2 と Gemma3 を利用した簡易な Multimodel RAG の実装法を解説します。

受講対象・レベル

・RAG の基本事項を整理、理解したい方
・RAG システムを構築したい方
・ノーコードで RAG システムを構築したい方
・RAG システムの精度をより向上させたい方
・Multimodal RAG の現状を知りたい方
　など

習得できる知識

・RAG の基礎知識と基本的な実装方法
・様々な手法による RAG システムの改良法
・GraphRAG の基礎知識と基本的な実装方法
・GPTs や Dify の基本的な使い方
・Multimodal RAG の現状
　など 

セミナープログラム

(1) RAG とは
　 RAG は、大規模言語モデル（LLM）に外部知識を組み合わせて応答を生成する手法です。
    どのような背景から、この技術が出てきたのか、また現状どのような点が問題になっているかを解説します。
(2) Naïve RAG の実装・構築方法
   RAG の基本概念と仕組みを理解するために、LangChain を使った基本的な RAG (Naïve RAG) の実装例を解説します。
    (2-1) FAISS を利用したデータベースと検索器の作成
　 (2-2) LangChain の RetrievalQA を利用した RAG の構築
　 (2-3) 公開 LLM の利用
(3) Advanced RAG の実装・構築方法
   Naïve RAG に様々な工夫を施した RAG の総称が Advanced RAG です。検索前後の工夫が多いです。
   ここでは検索に通常の埋め込みによるものとキーワードによるもののハイブリッド検索、
   及び検索後の文書のリランキングについて解説します。
    (3-1) ハイブリッド検索
　 (3-2) リランキング
(4) GraphRAG の実装・構築方法
　GraphRAG は Naïve RAG におけるデータベースをエンティティ間の関係性を記述したグラフ構造を持つ知識グラフに変更し、
   RAG における文脈理解と検索精度を高める手法です。
    (4-1) GraphRAG とは何か
　 (4-2) Neo4j のインストール、インスタンスの作成、起動
　 (4-3) GraphCypherQAChain を利用した GraphRAG の構築
(5) GPTs による RAG システムの構築法
　GPTs はノーコードで ChatGPT をカスタマイズするツールです。
   GPTs は予め用意してある資料に基づいて GPTs に回答させることができます。
   これを利用すれば RAG と同じ動作をするシステムが構築できます。
    (5-1) GPTs とは何か
　 (5-2) GPT Builder の「知識」を利用した RAG の構築
(6) Dify による RAG システムの構築法
　Dify は GPTなどの LLM を活用してAIアプリケーションを簡単に開発・運用できるプラットフォームです。
   外部のデータソースを検索して回答に利用する RAG の仕組みが GUI や API で手軽に設定できます。
    (6-1) Dify とは何か
　 (6-2) Dify のインストール
　 (6-3)「ナレッジ」からの「知識を作成」
　 (6-4)「引用と帰属」の設定
(7) Perplexity や NotebookLM によるローカルファイルに対するチャットボット構築法
　Perplexity はインターネット検索を併用したチャットボットですが、検索先の URL を指定できるために、
   RAG と同等のシステムを実現できます。また NotebookLM は RAG が進化したものと言えます。
   単純な RAG としての利用以外にも様々な利用法があります。
    (7-1) Perplexity
　 (7-2) NotebookLM
(8) Multimodal RAG の実装・構築方法
　現実的には、RAG の元になるデータは図や表などを含むマルチモーダルな文書集合である場合がほとんどです。
   そのため文書内ある図や表などに関するクエリにも対応できる Multimodal RAG の研究が、近年、活発に行われています。
    (8-1) Multimodal RAG の必要性
　 (8-2) VisRAG、M3DocRAG、MDocAgent などの研究紹介
　 (8-3) ColPali
　 (8-4) ColQwen2 と Gemma3 を利用した Multimodel RAG の構築
＜質疑応答＞ 

＊途中、小休憩を挟みます。

セミナー講師

 茨城大学 工学部 情報工学科 教授　 新納 浩幸 氏

■ご略歴
1985年　東京工業大学理学部情報科学科卒業。
1987年　同大学大学院理工学研究科情報科学専攻修士課程修了。
    同年　富士ゼロックス、翌年松下電器を経て、1993年茨城大学工学部助手。
2015年　同学部教授。現在に至る。
■ご専門
自然言語処理、機械学習、統計学
■主な著書
『 LLMのファインチューニングとRAG 』
オーム社 2024年5月22日 (ISBN: 427423195X)

セミナー受講料

1名46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円
＊学校法人割引：学生、教員のご参加は受講料50％割引。

受講について

• 感染拡大防止対策にご協力下さい。
• セミナー会場での現金支払いを休止しております。
• 新型コロナウイルスの感染防止の一環として当面の間、昼食の提供サービスは中止させて頂きます。
• 配布資料は、当日セミナー会場でのお渡しとなります。
• 希望者は講師との名刺交換が可能です。
• 録音・録画行為は固くお断り致します。
• 講義中の携帯電話の使用はご遠慮下さい。
• 講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。(＊PC実習講座を除きます。)