KAIST研究チーム、データが変わり続けても検索精度を維持する「CONDA」技術を発表

KAIST電子計算機学科のキム・ミンス教授の研究チームは、データが継続的に追加・削除される環境でも検索精度を安定的に維持できる動的ベクトル検索技術「CONDA（コンダ）」を開発した。生成AIは学習完了後に新たに登場した情報を自ら把握できないため、これを補完するために最新ニュースや企業内文書を検索して回答に活用する「検索拡張生成（RAG）」技術が広く活用されている。現在、多くのAIサービスは文書や画像の意味を数値の集合である「ベクトル」に変換し、意味が類似した情報を関連付けることで資料を検索している。

問題は、実際の企業やインターネット上のデータが絶えず変化している点だ。新しい文書や商品情報が入ってくる一方で、古い情報は修正または削除される。こうした変化が繰り返されると、データ間の連結網が少しずつ断絶する「連結性崩壊」が発生しうる。

実験の結果、CONDAはデータが継続的に追加・削除される環境において、既存の最新技術と比較して検索精度を最大24.5%向上させた。データ処理速度も既存技術比で最大1.9倍に改善した。研究チームが1億件のデータが存在する大規模環境で6時間にわたり検索とデータ更新を同時に実施したところ、CONDAは比較対象の技術の中で最短の応答時間と高い検索精度を維持した。

キム・ミンス教授は「RAGの重要な価値は、LLMが学習していない最新情報を必要な瞬間にすぐ検索して活用できる点にある」とし、「今回の研究は、データが絶えず変化する現実の環境においても、人工知能が長時間にわたり正確に最新知識を活用できるデータ基盤を提示したという点で大きな意義がある」と述べた。

キム・ミンス教授が創業した人工知能データインフラ企業グラファイ（GraphAI）のデータベース製品「アカシックDB（AkasicDB）」にCONDA技術が適用され、本年第4四半期に商用化される予定だ。

今回の研究にはKAIST電子計算機学科のイ・ダレ修士課程修了生が第一著者として参加し、キム・ミンス教授が責任著者を務めた。研究成果は9月2日、データベース分野の国際学術会議VLDB 2026で発表された。