README.md

Génération augmentée par récupération (RAG) et bases de données vectorielles

Dans la leçon sur les applications de recherche, nous avons brièvement appris à intégrer vos propres données dans les modèles de langage étendu (LLMs). Dans cette leçon, nous approfondirons les concepts de l'ancrage de vos données dans votre application LLM, les mécanismes du processus et les méthodes de stockage des données, y compris les embeddings et le texte.

Vidéo à venir bientôt

Introduction

Dans cette leçon, nous aborderons les points suivants :

• Une introduction à RAG, ce que c'est et pourquoi il est utilisé en intelligence artificielle (IA).

• Comprendre ce que sont les bases de données vectorielles et en créer une pour notre application.

• Un exemple pratique sur la manière d'intégrer RAG dans une application.

Objectifs d'apprentissage

Après avoir terminé cette leçon, vous serez capable de :

• Expliquer l'importance de RAG dans la récupération et le traitement des données.

• Configurer une application RAG et ancrer vos données à un LLM.

• Intégrer efficacement RAG et les bases de données vectorielles dans les applications LLM.

Notre scénario : améliorer nos LLMs avec nos propres données

Pour cette leçon, nous souhaitons ajouter nos propres notes dans la startup éducative, ce qui permettra au chatbot d'obtenir plus d'informations sur différents sujets. En utilisant les notes que nous avons, les apprenants pourront mieux étudier et comprendre les différents sujets, ce qui facilitera leurs révisions pour les examens. Pour créer notre scénario, nous utiliserons :

• Azure OpenAI : le LLM que nous utiliserons pour créer notre chatbot.

• Leçon pour débutants en IA sur les réseaux neuronaux : ce sera les données sur lesquelles nous ancrerons notre LLM.

• Azure AI Search et Azure Cosmos DB : base de données vectorielle pour stocker nos données et créer un index de recherche.

Les utilisateurs pourront créer des quiz pratiques à partir de leurs notes, des fiches de révision et les résumer en aperçus concis. Pour commencer, examinons ce qu'est RAG et comment cela fonctionne :

Génération augmentée par récupération (RAG)

Un chatbot alimenté par un LLM traite les requêtes des utilisateurs pour générer des réponses. Il est conçu pour être interactif et engage les utilisateurs sur une large gamme de sujets. Cependant, ses réponses sont limitées au contexte fourni et à ses données d'entraînement de base. Par exemple, la date limite de connaissance de GPT-4 est septembre 2021, ce qui signifie qu'il ne connaît pas les événements survenus après cette période. De plus, les données utilisées pour entraîner les LLMs excluent les informations confidentielles telles que les notes personnelles ou le manuel de produit d'une entreprise.

Comment fonctionnent les RAGs (Génération augmentée par récupération)

Supposons que vous souhaitiez déployer un chatbot qui crée des quiz à partir de vos notes, vous aurez besoin d'une connexion à la base de connaissances. C'est là que RAG intervient. Les RAGs fonctionnent comme suit :

• Base de connaissances : Avant la récupération, ces documents doivent être ingérés et prétraités, généralement en divisant de grands documents en petits morceaux, en les transformant en embeddings textuels et en les stockant dans une base de données.

• Requête utilisateur : l'utilisateur pose une question.

• Récupération : Lorsqu'un utilisateur pose une question, le modèle d'embedding récupère des informations pertinentes de notre base de connaissances pour fournir plus de contexte qui sera incorporé dans la requête.

• Génération augmentée : le LLM améliore sa réponse en fonction des données récupérées. Cela permet à la réponse générée de ne pas seulement se baser sur les données pré-entraînées, mais aussi sur des informations pertinentes issues du contexte ajouté. Les données récupérées sont utilisées pour enrichir les réponses du LLM. Le LLM renvoie ensuite une réponse à la question de l'utilisateur.

L'architecture des RAGs est mise en œuvre à l'aide de transformateurs comprenant deux parties : un encodeur et un décodeur. Par exemple, lorsqu'un utilisateur pose une question, le texte d'entrée est "encodé" en vecteurs capturant le sens des mots, et les vecteurs sont "décodés" dans notre index de documents pour générer un nouveau texte basé sur la requête de l'utilisateur. Le LLM utilise à la fois un modèle encodeur-décodeur pour générer la sortie.

Deux approches lors de la mise en œuvre de RAG, selon l'article proposé : Retrieval-Augmented Generation for Knowledge intensive NLP (natural language processing software) Tasks sont :

• RAG-Sequence utilisant les documents récupérés pour prédire la meilleure réponse possible à une requête utilisateur.

• RAG-Token utilisant les documents pour générer le prochain token, puis les récupérer pour répondre à la requête de l'utilisateur.

Pourquoi utiliser les RAGs ?

• Richesse d'information : garantit que les réponses textuelles sont à jour et actuelles. Cela améliore donc les performances sur les tâches spécifiques au domaine en accédant à la base de connaissances interne.

• Réduit les fabrications en utilisant des données vérifiables dans la base de connaissances pour fournir un contexte aux requêtes des utilisateurs.

• C'est économique car ils sont plus rentables par rapport à l'affinement d'un LLM.

Création d'une base de connaissances

Notre application est basée sur nos données personnelles, c'est-à-dire la leçon sur les réseaux neuronaux du programme AI For Beginners.

Bases de données vectorielles

Une base de données vectorielle, contrairement aux bases de données traditionnelles, est une base de données spécialisée conçue pour stocker, gérer et rechercher des vecteurs intégrés. Elle stocke des représentations numériques de documents. La décomposition des données en embeddings numériques facilite la compréhension et le traitement des données par notre système d'IA.

Nous stockons nos embeddings dans des bases de données vectorielles car les LLMs ont une limite sur le nombre de tokens qu'ils acceptent en entrée. Comme vous ne pouvez pas transmettre tous les embeddings à un LLM, nous devrons les diviser en morceaux et, lorsqu'un utilisateur pose une question, les embeddings les plus proches de la question seront retournés avec la requête. Le découpage réduit également les coûts liés au nombre de tokens transmis à un LLM.

Parmi les bases de données vectorielles populaires, on trouve Azure Cosmos DB, Clarifyai, Pinecone, Chromadb, ScaNN, Qdrant et DeepLake. Vous pouvez créer un modèle Azure Cosmos DB en utilisant Azure CLI avec la commande suivante :

az login
az group create -n <resource-group-name> -l <location>
az cosmosdb create -n <cosmos-db-name> -r <resource-group-name>
az cosmosdb list-keys -n <cosmos-db-name> -g <resource-group-name>

Du texte aux embeddings

Avant de stocker nos données, nous devrons les convertir en embeddings vectoriels avant qu'elles ne soient stockées dans la base de données. Si vous travaillez avec de grands documents ou de longs textes, vous pouvez les découper en fonction des requêtes que vous attendez. Le découpage peut être effectué au niveau des phrases ou des paragraphes. Comme le découpage dérive des significations des mots environnants, vous pouvez ajouter un autre contexte à un morceau, par exemple, en ajoutant le titre du document ou en incluant du texte avant ou après le morceau. Vous pouvez découper les données comme suit :

def split_text(text, max_length, min_length):
    words = text.split()
    chunks = []
    current_chunk = []

    for word in words:
        current_chunk.append(word)
        if len(' '.join(current_chunk)) < max_length and len(' '.join(current_chunk)) > min_length:
            chunks.append(' '.join(current_chunk))
            current_chunk = []

    # If the last chunk didn't reach the minimum length, add it anyway
    if current_chunk:
        chunks.append(' '.join(current_chunk))

    return chunks

Une fois découpé, nous pouvons ensuite intégrer notre texte en utilisant différents modèles d'embedding. Parmi les modèles que vous pouvez utiliser, on trouve : word2vec, ada-002 d'OpenAI, Azure Computer Vision et bien d'autres. Le choix du modèle dépendra des langues que vous utilisez, du type de contenu encodé (texte/images/audio), de la taille de l'entrée qu'il peut encoder et de la longueur de la sortie d'embedding.

Un exemple de texte intégré en utilisant le modèle text-embedding-ada-002 d'OpenAI est :

Récupération et recherche vectorielle

Lorsqu'un utilisateur pose une question, le récupérateur la transforme en vecteur à l'aide de l'encodeur de requêtes, puis recherche dans notre index de recherche de documents les vecteurs pertinents dans le document qui sont liés à l'entrée. Une fois terminé, il convertit à la fois le vecteur d'entrée et les vecteurs de documents en texte et les transmet au LLM.

Récupération

La récupération se produit lorsque le système essaie de trouver rapidement les documents de l'index qui répondent aux critères de recherche. L'objectif du récupérateur est d'obtenir des documents qui seront utilisés pour fournir un contexte et ancrer le LLM sur vos données.

Il existe plusieurs façons d'effectuer une recherche dans notre base de données, telles que :

• Recherche par mots-clés - utilisée pour les recherches textuelles.

• Recherche sémantique - utilise le sens sémantique des mots.

• Recherche vectorielle - convertit les documents de texte en représentations vectorielles à l'aide de modèles d'embedding. La récupération sera effectuée en interrogeant les documents dont les représentations vectorielles sont les plus proches de la question de l'utilisateur.

• Hybride - une combinaison de recherche par mots-clés et vectorielle.

Un défi avec la récupération survient lorsqu'il n'y a pas de réponse similaire à la requête dans la base de données. Le système renverra alors les meilleures informations qu'il peut obtenir. Cependant, vous pouvez utiliser des tactiques comme définir la distance maximale pour la pertinence ou utiliser une recherche hybride qui combine à la fois les mots-clés et la recherche vectorielle. Dans cette leçon, nous utiliserons la recherche hybride, une combinaison de recherche vectorielle et par mots-clés. Nous stockerons nos données dans un dataframe avec des colonnes contenant les morceaux ainsi que les embeddings.

Similarité vectorielle

Le récupérateur recherchera dans la base de connaissances des embeddings qui sont proches les uns des autres, les voisins les plus proches, car ce sont des textes similaires. Dans le cas où un utilisateur pose une requête, elle est d'abord intégrée, puis mise en correspondance avec des embeddings similaires. La mesure courante utilisée pour trouver à quel point différents vecteurs sont similaires est la similarité cosinus, qui est basée sur l'angle entre deux vecteurs.

Nous pouvons mesurer la similarité en utilisant d'autres alternatives comme la distance euclidienne, qui est la ligne droite entre les points d'extrémité des vecteurs, et le produit scalaire, qui mesure la somme des produits des éléments correspondants de deux vecteurs.

Index de recherche

Lors de la récupération, nous devrons construire un index de recherche pour notre base de connaissances avant d'effectuer une recherche. Un index stockera nos embeddings et pourra rapidement récupérer les morceaux les plus similaires, même dans une grande base de données. Nous pouvons créer notre index localement en utilisant :

from sklearn.neighbors import NearestNeighbors

embeddings = flattened_df['embeddings'].to_list()

# Create the search index
nbrs = NearestNeighbors(n_neighbors=5, algorithm='ball_tree').fit(embeddings)

# To query the index, you can use the kneighbors method
distances, indices = nbrs.kneighbors(embeddings)

Reclassement

Une fois que vous avez interrogé la base de données, vous pourriez avoir besoin de trier les résultats par pertinence. Un LLM de reclassement utilise l'apprentissage automatique pour améliorer la pertinence des résultats de recherche en les classant par ordre de pertinence. Avec Azure AI Search, le reclassement est effectué automatiquement pour vous à l'aide d'un reclassement sémantique. Un exemple de fonctionnement du reclassement utilisant les voisins les plus proches :

# Find the most similar documents
distances, indices = nbrs.kneighbors([query_vector])

index = []
# Print the most similar documents
for i in range(3):
    index = indices[0][i]
    for index in indices[0]:
        print(flattened_df['chunks'].iloc[index])
        print(flattened_df['path'].iloc[index])
        print(flattened_df['distances'].iloc[index])
    else:
        print(f"Index {index} not found in DataFrame")

Tout rassembler

La dernière étape consiste à ajouter notre LLM dans le processus afin de pouvoir obtenir des réponses basées sur nos données. Nous pouvons l'implémenter comme suit :

user_input = "what is a perceptron?"

def chatbot(user_input):
    # Convert the question to a query vector
    query_vector = create_embeddings(user_input)

    # Find the most similar documents
    distances, indices = nbrs.kneighbors([query_vector])

    # add documents to query  to provide context
    history = []
    for index in indices[0]:
        history.append(flattened_df['chunks'].iloc[index])

    # combine the history and the user input
    history.append(user_input)

    # create a message object
    messages=[
        {"role": "system", "content": "You are an AI assistant that helps with AI questions."},
        {"role": "user", "content": history[-1]}
    ]

    # use chat completion to generate a response
    response = openai.chat.completions.create(
        model="gpt-4",
        temperature=0.7,
        max_tokens=800,
        messages=messages
    )

    return response.choices[0].message

chatbot(user_input)

Évaluation de notre application

Métriques d'évaluation

• Qualité des réponses fournies, en s'assurant qu'elles semblent naturelles, fluides et humaines.

• Ancrage des données : évaluation de la pertinence des réponses provenant des documents fournis.

• Pertinence : évaluation de la correspondance et de la relation des réponses avec la question posée.

• Fluidité : vérification que la réponse a du sens grammaticalement.

Cas d'utilisation de la génération augmentée par récupération (RAG) et des bases de données vectorielles

Il existe de nombreux cas d'utilisation où les appels de fonction peuvent améliorer votre application, tels que :

• Questions et réponses : ancrer les données de votre entreprise à un chat qui peut être utilisé par les employés pour poser des questions.

• Systèmes de recommandation : où vous pouvez créer un système qui correspond aux valeurs les plus similaires, par exemple, films, restaurants et bien plus.

• Services de chatbot : vous pouvez stocker l'historique des conversations et personnaliser la conversation en fonction des données utilisateur.

• Recherche d'images basée sur des embeddings vectoriels, utile pour la reconnaissance d'images et la détection d'anomalies.

Résumé

Nous avons couvert les aspects fondamentaux de RAG, de l'ajout de nos données à l'application, à la requête utilisateur et à la sortie. Pour simplifier la création de RAG, vous pouvez utiliser des frameworks tels que Semantic Kernel, Langchain ou Autogen.

Devoir

Pour continuer votre apprentissage sur la génération augmentée par récupération (RAG), vous pouvez :

• Créer une interface utilisateur pour l'application en utilisant le framework de votre choix.

• Utiliser un framework, soit LangChain soit Semantic Kernel, et recréer votre application.

Félicitations pour avoir terminé la leçon 👏.

L'apprentissage ne s'arrête pas ici, continuez votre parcours

Après avoir terminé cette leçon, consultez notre collection d'apprentissage sur l'IA générative pour continuer à approfondir vos connaissances sur l'IA générative !

---

Avertissement :
Ce document a été traduit à l'aide du service de traduction automatique Co-op Translator. Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de recourir à une traduction humaine professionnelle. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction.