Sistemele AI generative necesită resurse semnificative de calcul, memorie și stocare.În timp ce AI are potențialul de a conduce descoperiri transformatoare în industrii, desfășurarea sa vine adesea cu costuri mari.Rag este o etapă crucială în dezvoltarea AI, rafinarea modelelor de limbaj mare (LLMS) prin utilizarea datelor specifice aplicației sau a întreprinderii.
La baza RAG se află o bază de date vectorială, care acumulează și transformă datele specifice domeniului în vectori de caracteristici.Rag se bazează, de asemenea, pe algoritmi ANN pentru a identifica vectorii care îmbunătățesc modelul prin evaluarea asemănării dintre vectorii acumulați și țintă.Pentru a fi eficient, Rag trebuie să recupereze rapid cele mai relevante informații.În mod tradițional, algoritmii ANN-urilor au fost implementați în DRAM pentru a obține performanța necesară de mare viteză.
Tehnologia Kioxia AISAQ oferă o soluție ANN-uri scalabile și eficiente, capabilă să gestioneze seturi de date la scară de miliarde cu o utilizare minimă a memoriei și capacități de comutare rapidă a indexului.