グラウンディングは、より信頼性が高く、有用で、事実に基づくモデルのレスポンスを生成するために使用できる手法です。生成 AI モデルのレスポンスをグラウンディングすると、検証可能な情報源に接続されます。通常、グラウンドングを実装するには、関連するソースデータを取得する必要があります。推奨されるベスト プラクティスは、検索拡張生成（RAG）手法を使用することです。通常、検索は検索エンジンを使用して行われます。検索エンジンは、ソーステキストのセマンティックな意味が埋め込まれたインデックスを使用します。
また、Vertex AI Search Builder API など、RAG ライフサイクルを実装するサービスとコンポーネント API もあり、組み合わせて構築できます。組み合わせて構築する場合は、次のいずれかのサービスまたは API を使用して RAG ソリューションを実装できます。
- グラウンディング生成 API: グラウンディングを実装したり、RAG のライフサイクル全体をカバーする取得プロバイダにリンクしたりできます。
- ドキュメント レイアウト パーサー: このパーサーは、ドキュメントの理解に Document AI と Gemini の長所を組み合わせたものです。
- Vertex AI Vector Search: この検索サービスは高性能で、高品質のベクトル データベースを使用します。
- Check grounding API: この API は、RAG の出力を取得された事実と比較し、ユーザーにレスポンスを返す前にすべてのステートメントがグラウンディングされていることを確認します。
次のステップ
- 責任ある AI と安全フィルタの詳細については、責任ある AI のベスト プラクティスと Vertex AI の安全フィルタをご覧ください。
- RAG Engine による RAG の実装方法については、RAG Engine をご覧ください。