← 概念辨析に戻る

Concept Contrast Fable

関係グラフで探すものと、多様なデータ形式で探すもの

先に結論:Graph RAG はテキストの上にエンティティと関係の構造を加えて検索を改善し、マルチモーダル RAG は画像、音声など多様なデータ形式への対応を加える。両者の複雑さの源泉は異なり、解決するのは異なる種類の情報サイロ問題である。

Graph RAG はテキストの上にエンティティと関係の構造を加えて検索を改善し、マルチモーダル RAG は画像、音声など多様なデータ形式への対応を加える。両者の複雑さの源泉は異なり、解決するのは異なる種類の情報サイロ問題である。

寓話

二つの書局、一つは関係図を描き、一つは図を集めて帳簿を付ける

県内には東と西に一軒ずつ書局があり、どちらもあらゆる資料を調べられると称していた。東局は人物関係と取引の往来を一枚の大きな図に描いて壁に掛け、資料を調べる時はまず図を探し、図に従って手がかりをたどった。西局は文字、絵画、帳簿をすべて同じ棚に収め、問い合わせが来ればまとめて検索した。

東局が初めて本領を発揮したのは、誰かが尋ねたときだった。去年王店主と取引のあったすべての商店は、その後どうなったか?東局の店主は関係図をたどり、十二の商店のその後の取引記録を追い出した。尋ねた人は非常に満足し、この図は本当に役立つと言った。

しかし東局にも調べられないものがあった。ある時、誰かが布地の模様を持ってきて、この文様に歴史記録があるかと尋ねた。東局は関係図を隅々まで調べたが、どのノードも文様に繋がっておらず、すべての記録は文字だった。この問題は東局で未解決となった。

西局が初めて実力を示したのは、誰かが挿絵付きの商品カタログを持ってきて性能パラメータを調べたときだった。西局は挿絵と文字を一緒に取り込み、図柄で検索すると対応するパラメータ表が直接見つかった。店主はこれこそ真のマルチモーダルだと言った。

しかし西局は自らの問題に直面した。ある商号の歴史を調べる際、文字記録の中の時間線と取引金額を串刺しにする必要があったが、西局が検索した結果は断片の山で、断片間の関係は構造化されておらず、人手でつなぎ合わせるしかなかった。店主は言った。「君たちはよく搜るが串がらない、つなげられない。」

二局は後に合同デモを行い、複雑なクエリが来た:ある布商人と関係のある商人の中に、特定の模様を使った人がいるか、その模様が歴史記録に最初に現れたのはどの王朝か。東局がまず商人関係を見つけ、西局が模様と王朝を検索し、両方を組み合わせて初めて答えられた。

デモが終わった後、誰かが二人の店主に尋ねた:あなたたち二人はどちらが優れているのか?二人とも自分の方向性は正しいと言い、問題は相手が解決する問題を自分では解決できないことだと言った。古くからの読者が横で言った:あなたたちが争っているのはどちらが優れているかではなく、あなたたちの読者が必要としているのは関係なのかマルチモーダルなのかだ——関係が必要ならあなたたちは図を描き続ければいい、マルチモーダルが必要ならあなたたちは図を集め続ければいい。しかし関係とマルチモーダルの両方が必要なクエリは、あなたたちどちらか一方だけでは受け止められない。

Graph RAG

テキスト検索拡張生成にエンティティと関係グラフ構造を加えると、文書横断的な関連性の問いに答えられる。グラフ構築コストは高いが、マルチホップ推論を含むクエリの効果を改善できる。

マルチモーダルRAG

テキスト、画像、音声など多様なデータ形式をサポートする検索拡張生成。非構造化のマルチモーダルコンテンツを扱えるが、テキスト内部の関係構造は依然としてテキスト検索自体の品質に依存する。

物語の対応

  • 東局は人物関係と取引の図を描く:Graph RAG、グラフ構造で文書横断の関連クエリを改善
  • 西局は文字・図・画像・帳簿をすべて一緒に検索する:マルチモーダル RAG、多様なデータ形式を統一的に処理
  • 模様の歴史を調べるのは東局では未解決事件:Graph RAG は非テキストモダリティには無力
  • 西局の検索はタイムラインも取引金額もすべて断片である:マルチモーダル RAG は関係構造を欠き、断片を自動でつなげられない
  • 二局が連合して初めて複雑なクエリに答える:二種類の RAG は異なる次元の問題を解決し、組み合わせて初めて複雑なシナリオをカバーできる
  • 読者が必要とするのは関係性かマルチモーダルか:まずクエリの主な複雑さの源泉を判断し、それから対応する方案を選ぶ

RAG アーキテクチャへの投資判断に落とし込む

Graph RAG を先に構築すべきか、マルチモーダル RAG を先に構築すべきかを判断するときは、まずあなたのクエリが主にどこで難しいかを見る。クエリが複数文書をまたいで関連を見つける必要があり、回答がマルチホップ推論を伴うなら、Graph RAG を先に構築する。クエリが画像、音声、スキャン文書などのマルチモーダル内容を処理する必要があるなら、マルチモーダル RAG を先に構築する。両方が必要なら、どちらを構築する前にも、まずテキスト検索の基盤が十分に良いかを評価すべきである。マルチモーダルもグラフも、下層のテキスト chunking とインデックスの品質に依存しており、基盤が固まらなければ、上層がどれほど複雑でも空中楼閣である。

京ICP备2026014272号