Čo je retrieval v AI?
Retrieval je fundamentálny komponent moderných AI systémov, zvlášť RAG (Retrieval-Augmented Generation) architektúry. Namiesto spoliehania sa len na znalosti zabudované v modelových parametroch počas tréningu, retrieval umožňuje dynamický prístup k aktuálnym alebo špecializovaným informáciám za chodu.
Základnou otázkou retrieval systému je: "Ktoré dokumenty sú najrelevantnejšie k danej otázke?"
Vektorový retrieval (Dense Retrieval)
Dense retrieval používa neurónové siete na prevod textov na numerické vektory (embeddingy) vo vysokodimenzionálnom priestore. Sémanticky podobné texty sú blízko seba v tomto priestore. Vyhľadávanie prebieha pomocou Approximate Nearest Neighbor (ANN) algoritmov (HNSW, IVF, PQ), ktoré sú dramaticky rýchlejšie ako exhaustive search.
Populárne embedding modely zahŕňajú OpenAI Ada, Cohere Embed, E5, BGE a GTE. Vektorové databázy ako Pinecone, Weaviate, Qdrant, Chroma a pgvector (PostgreSQL extension) poskytujú infraštruktúru pre veľké kolekcie.
Hybridný retrieval
Hybridný retrieval kombinuje dense retrieval s klasickým sparse retrieval (BM25, TF-IDF), ktorý lepšie vyhľadáva presné keyword zhody. Reciprocal Rank Fusion (RRF) je obľúbenou metódou kombinácie výsledkov oboch prístupov. Hybridný retrieval často prevyšuje oba individuálne prístupy, zvlášť pri špecifickej terminológii a odborných doménach.