La fondatezza è una tecnica che puoi utilizzare per contribuire a produrre risposte del modello più attendibili, utili e oggettive. Quando fondi le risposte del modello di AI generativa, le colleghi a fonti di informazione verificabili. Per implementare la messa a terra, in genere devi recuperare i dati di origine pertinenti. La best practice consigliata è utilizzare la tecnica Retrieval Augmented Generation (RAG). Il recupero viene solitamente eseguito utilizzando un motore di ricerca, che utilizza un indice con i significati semantici del testo di origine.
Esistono anche servizi e API dei componenti che implementano il ciclo di vita del RAG, come l'API Vertex AI Search Builder, che consente di combinare diversi elementi per creare modelli. Con la creazione combinata, puoi implementare una soluzione RAG utilizzando uno qualsiasi dei seguenti servizi o API:
- API di generazione di grounding: puoi utilizzarla per implementare il grounding o collegarla a un fornitore di servizi di recupero per l'intero ciclo di vita del RAG.
- Analizzatore sintattico del layout dei documenti: questo analizzatore sintattico rappresenta il meglio di Document AI e Gemini per la comprensione dei documenti.
- Vertex AI Vector Search: questo servizio di ricerca è ad alte prestazioni e utilizza un database vettoriale di alta qualità.
- API Check grounding: questa API confronta l'output RAG con i fatti recuperati e contribuisce ad assicurare che tutte le affermazioni siano basate su dati prima di restituire la risposta all'utente.
Passaggi successivi
- Per scoprire di più sull'AI responsabile e sui filtri di sicurezza, consulta le best practice per l'AI responsabile e i filtri di sicurezza di Vertex AI.
- Per scoprire di più su come RAG viene implementato da RAG Engine, consulta RAG Engine.