生成 AI において、グラウンディングとは、モデルの出力を検証可能な情報源に紐付ける仕組みを指します。特定のデータソースにアクセスできるモデルを用意することで、グラウンディングによりその出力が特定のデータに紐づけされ、コンテンツのねつ造が起こりにくくなります。これは、精度と信頼性が重要な状況で特に重要です。
グラウンディングには次の利点があります。
- モデルのハルシネーション（モデルが事実に基づいていないコンテンツを生成すること）を削減します。
- モデルのレスポンスをデータソースに固定します。
- 情報源へのリンク（根拠）を提供することで、監査可能性を確保します。
Vertex AI では、サポート対象のモデルの出力を次の方法でグラウンディングできます。
| グラウンディング タイプ | 説明 |
|---|---|
| Google 検索によるグラウンディング | Google 検索を使用して、モデルを世界の知識や、可能な限り幅広いトピックに対応させます。 |
| Google マップによるグラウンディング | モデルで Google マップのデータを使用して、地理空間コンテキストを含む、プロンプトに対してより正確でコンテキストを考慮した回答を提供します。 |
| Vertex AI Search によるグラウンディング | 検索拡張生成（RAG）を使用して、モデルを Vertex AI Search に保存されているウェブサイトのデータやドキュメント セットに接続します。 |
| Vertex AI RAG Engine によるグラウンディング | 構成可能なマネージド RAG サービスである Vertex AI RAG Engine を使用して、データに基づいてグラウンディングします。 |
| Elasticsearch によるグラウンディング | 既存の Elasticsearch インデックスと Gemini で検索拡張生成を使用します。 |
| Search API によるグラウンディング | 任意の検索 API を使用してグラウンディングすることで、Gemini を外部データソースに接続できます。 |
| エンタープライズ向けウェブ グラウンディング | 規制の厳しい業界に適したウェブ インデックスを使用して、コンプライアンス管理を含むグラウンディングされた回答を生成します。 |
言語のサポートについては、プロンプトでサポートされている言語をご覧ください。
次のステップ
- 責任ある AI のベスト プラクティスと Vertex AI の安全フィルタについては、責任ある AI をご覧ください。