ベクトルデータベースを超えて: 構造化された検索とグラフネイティブなAIシステム

このTokyo AIのワークショップでは、埋め込みやベクトルデータベースだけに頼らずにAIエージェントを根拠づける検索アーキテクチャを取り上げます。ベクトル中心のRAG(検索拡張生成)は静的で非構造化のコーパスにはよく機能する一方、データが高度に構造化され、関係性が複雑で、頻繁に変化する環境では維持が難しくなる、という前提に立ちます。2つの技術セッションを通じて、登壇者はリレーショナルデータベース、グラフ構造、オントロジー、キーワード検索、ツールを介した検索を代替手段として紹介します。 パート1では、AIエージェント向けの構造化されたコンテキストエンジニアリングを扱い、AIを活用した仮想テーブルトークRPGプラットフォームを事例として、リレーショナルな根拠づけ、決定論的な検索、トークン制約下でのコンテキスト組み立て、MCP方式の検索パターンを示します。パート2ではグラフネイティブなシステムに焦点を移し、情報を埋め込み空間に押し込めるのではなく、オントロジーやナレッジグラフによってより精密な検索、説明可能な推論経路、動的な探索が可能になる方法を探ります。講演後にはネットワーキングの時間があります。 対象は、本番運用のAIシステム、エンタープライズ向けナレッジプラットフォーム、エージェント型ワークフロー、検索インフラを構築するエンジニア、研究者、技術リーダーです。登壇者はKompileの共同創業者で、以前はSkymind、O'Reillyの『Deep Learning: A Practitioner's Approach』の著者でもあるAdam Gibson氏です。