Apple、AIが文書を探す速度を最大8倍に高める新技術　回答の精度も改善

Appleの研究チームは、AIが膨大なデータから関連情報を探す検索拡張生成（RAG）などの処理を高速化・高精度化する新手法を開発した。機械学習の国際学会「ICML 2026」にて論文を発表した。

検索システムで広く使われる最大内積探索では、候補データを複数の集まりに分けて代表点との近さで絞り込む手法が一般的だが、利用者の短い質問と長い候補文書の性質の違いから、適切な候補を見逃す課題があった。研究チームはこの課題に対し、質問から最適な候補を予測する小型のニューラルネットワークをオフラインで事前学習させる仕組みを考案した。

具体的には、候補の集まりごとに適合度を評価して探索先を正しく誘導する「SupportNet」と、最適な文書の特徴を直接予測して既存の検索インデックスへ渡す「KeyNet」の2種類のモデルを構築した。質問の傾向を事前に学習させておくことで、検索実行時の計算コストを抑えながら高精度な結果を導く。

約260万件の文書を含むデータセット「Natural Questions」での評価では、SupportNetが従来の代表点比較と比べて約1.9倍高速に95%の再現率を達成した。KeyNetでは99%の再現率に達するまでの時間を最大約8分の1（1.8ミリ秒から0.23ミリ秒）に短縮し、探索する候補データ数を従来比約11分の1に削減できることを示した。