はじめに 新規事業部 生成AIチーム 山本です。 ChatGPT（OpenAI API）をはじめとしたAIの言語モデル（Large Language Model：以下、LLM）を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えば社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が（当然ながら）得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation（以下、RAG）という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力（プロンプト）に付け加えて渡すことで、ユーザが欲しい

これだけで何不自由なく仕事ができる。あとおそらく数ヶ月後の未来には。 Apple Vision Proを日常的に使い始めた。「日常的に」というのがとてもだいじで、デモを体験するとか、ちょっと借りてみるとかではなく、わざわざ大枚はたいてアメリカまで買いに行ったのはこれをやるためだった。はたして、これが普段使いのツールとして便利に、生活に馴染む時代はやってくるのだろうか？というのを見極めたい、とおもったからだ。 実際に作業環境として「空間コンピューティング」というやつを受け入れ始めると、AppleとMetaの違い、Vision ProとQuestの設計思想の違いがより際立って見えてくる。Vision Proの話を見聞きすると、だいたいセットで「それ、Quest3でも同じことができるんだけど」という話もついてくるんだけれども、同じようで、同じでないんだということがよくわかる。 Appleが作りた