Google представила agentic RAG: поиск научится самостоятельно добывать недостающие данные
Компания Google представила новую архитектуру поиска под названием agentic RAG. Технология призвана решить проблему неполных ответов, которые часто выдаёт искусственный интеллект. В отличие от классического RAG (Retrieval-Augmented Generation), где система сначала ищет релевантные документы, а затем передаёт их языковой модели, agentic RAG наделяет модель способностью самостоятельно оценивать полноту информации.
Если для ответа не хватает данных, модель может инициировать дополнительный запрос к поисковому индексу. Таким образом, она не просто генерирует ответ на основе найденного, а активно добирает недостающие сведения. Это сродни работе агента, который последовательно уточняет запрос, пока не получит исчерпывающую информацию.
Как сообщает издание iXBT, новая архитектура уже тестируется в некоторых сервисах Google. Разработчики отмечают, что agentic RAG особенно эффективен при работе со сложными многосоставными вопросами, где требуется собрать данные из разных источников. В перспективе технология может быть интегрирована в поисковую систему Google, голосового ассистента и другие продукты компании.
Для игровой индустрии и киберспорта подобные решения открывают новые возможности. Например, игровые ассистенты и руководства по играм смогут давать более точные ответы на вопросы о прохождении, механике или настройках. Киберспортсмены и тренеры получат доступ к целостной аналитике и тактическим советам, не тратя время на ручной сбор информации.
Пока точные сроки внедрения agentic RAG не названы. Однако сам факт появления такой архитектуры говорит о том, что Google уделяет особое внимание повышению качества и глубины ответов AI. В условиях растущей конкуренции с другими поисковыми системами и чат-ботами, это может стать важным конкурентным преимуществом.
