入門マルチモーダルRAG : 図表を読み解くAIアプリケーションの実装

「図表を読めるRAG」を作る 近年、テキストだけでなく、図・表・グラフといった画像を含む資料からも情報を検索・活用できる「マルチモーダルRAG（Retrieval-Augmented Generation）」の重要性が高まっています。従来のRAGが扱える情報はテキストデータに限定されており、実務現場で扱う文書──PDF・Word・PowerPointなど──のように、図表を多く含むデータには十分対応できませんでした。本書は、この課題を踏まえて、実務文書にも対応できるマルチモーダルRAGについて体系的に解説します。 本書では、自分の手でマルチモーダルRAGを構築できるようになることを目指します。全体を通して、手を動かしながら理解できるよう、再現可能なコード例を多数提示しています。 このような方におすすめ ◎RAGに関係する技術者（機械学習／AIエンジニア、アプリケーション開発者、データサイエンティストなど） 〇AI関連サービスを開発している企業の営業や広報の担当者 主要目次 Chapter 1 テキストベースのRAG Chapter 2 Responses APIのfile searchによるRAG Chapter 3 標準的なマルチモーダルRAG Chapter 4 ColPaliを利用したマルチモーダルRAG Chapter 5 エージェントによる自律制御を組み込んだMMA-RAG Chapter 6 VQAを中核としたマルチモーダルRAG