Rasaは、テキストベースおよび音声ベースのアシスタントを構築するために設計されたオープンソースの会話型AIフレームワークです。自然言語理解（NLU）、対話管理、およびさまざまなメッセージングプラットフォームとの統合のための包括的なツールセットを提供し、開発者が文脈に応じた対話型AIエージェントを作成できるようにします。このフレームワークは、意図分類とエンティティ抽出のためのRasa NLUと、対話管理とポリシー学習のためのRasa Coreという2つの主要コンポーネントを中心に構築されています。
Rasaは、2016年にドイツの企業Rasa Technologies GmbHによって初めてリリースされ、Alan NicholとAlex Weidauerによって共同設立されました。このフレームワークはPythonで書かれており、Apache 2.0ライセンスの下で配布されているため、商用および非商用の両方の用途で自由に利用できます。Rasaは、多くの他の会話型AIプラットフォームとは異なり、完全なオンプレミス展開を可能にしており、厳格なデータプライバシーとセキュリティ要件を持つ組織にとって特に魅力的です。
アーキテクチャとコンポーネント
Rasaフレームワークは、ユーザー入力を処理し応答を生成するために連携する複数のモジュールコンポーネントで構成されています。コアアーキテクチャには、トークン化、特徴抽出、意図分類、エンティティ認識などのタスクを処理するNLUパイプラインが含まれます。Rasa Coreとして知られる対話管理コンポーネントは、現在の会話状態とユーザーの入力に基づいて次のアクションを決定するために、ポリシーベースのアプローチを使用します。
Rasaは、NLUパイプラインのために、従来の機械学習モデルと現代のDeep learningアプローチの両方をサポートしています。開発者は、2020年に導入されたマルチタスクのトランスフォーマーベースモデルであるDIET分類器（Dual Intent and Entity Transformer）を含むさまざまなコンポーネントを選択できます。DIETは、意図分類とエンティティ抽出を単一のアーキテクチャに統合し、効率と精度を向上させます。対話管理のために、Rasa Coreは、トレーニングストーリーから学習するMemoization Policyや、トランスフォーマーベースの埋め込みを使用して次のアクションを予測するTED Policy（Transformer Embedding Dialogue Policy）などのポリシーを採用しています。
開発ワークフロー
Rasaで会話型アシスタントを作成するには、通常、YAMLまたはMarkdown形式でトレーニングデータを定義します。これには、ユーザーメッセージの例、意図、エンティティ、対話ストーリーが含まれます。このフレームワークは、モデルのトレーニング、テスト用のローカルサーバーの実行、チャットインターフェースを介したアシスタントとの対話のためのコマンドラインインターフェース（CLI）を提供します。Rasaはまた、2019年に導入されたRasa Xと呼ばれるビジュアルインターフェースも提供しており、開発者は会話をレビューし、データに注釈を付け、人間のフィードバックを通じてモデルのパフォーマンスを向上させることができます。
このフレームワークは、カスタムコネクタを通じてSlack、Facebook Messenger、Telegramなどの人気のあるメッセージングプラットフォームと統合します。音声ベースのアシスタントの場合、Rasaは音声認識および音声合成サービスと組み合わせることができます。Rasa SDKは、外部APIの呼び出し、データベースのクエリ、またはサーバーサイドロジックの実行が可能なPython関数であるカスタムアクションの実行を可能にします。
エンタープライズおよびコミュニティエコシステム
Rasaは、銀行、保険会社、医療提供者などの顧客を持つエンタープライズセクターで大きな採用を得ています。同社は、ロールベースのアクセス制御、展開自動化、専用サポートなどの追加機能を提供するRasa Enterpriseという商用製品を提供しています。2021年、RasaはStepStone Groupが主導するシリーズBラウンドで3000万ドルを調達し、総資金調達額は4000万ドルを超えました。
Rasaを中心としたオープンソースコミュニティは活発で、世界中の開発者からの貢献があります。このフレームワークには、包括的なドキュメントサイト、フォーラム、ユーザーがベストプラクティスやカスタムコンポーネントを共有する専用のコミュニティスペースがあります。Rasaはまた、さまざまなユースケースに適応できる事前トレーニング済みモデルとパイプラインのコレクションを維持しており、初期開発の労力を削減します。
他のプラットフォームとの比較
Rasaは、GoogleのDialogflowやMicrosoftのAzure Bot Serviceなどのプロプライエタリな会話型AIプラットフォームとよく比較されます。これらのクラウドベースのサービスとは異なり、Rasaは基盤となるモデルとデータを完全に制御できるため、オンプレミス展開や特定のコンプライアンス要件を持つ組織にとって重要な利点です。ただし、この柔軟性は、開発者がインフラストラクチャとモデルのトレーニングを自分で管理する必要があるため、技術的な複雑さが増すというコストが伴います。
より広範なArtificial intelligenceの状況において、Rasaは会話型インターフェースのための専門ツールであり、OpenAIやAnthropicによって開発されたような一般的なLarge language modelプラットフォームとは異なります。大規模言語モデルは人間らしいテキストを生成できますが、Rasaはマルチターン対話の処理、コンテキストの管理、ビジネスロジックとの統合のための構造化されたフレームワークを提供しており、これは純粋に生成的なモデルにとって依然として課題です。
今後の方向性
2024年現在、Rasaチームはフレームワークの進化を続けており、対話管理パイプラインへの大規模言語モデルの統合の改善に焦点を当てています。2023年に導入されたCALM（Conversational AI with Language Models）アプローチは、ルールベースの対話管理の強みと言語モデルの柔軟性を組み合わせることを目的としており、より自然で適応性のある会話を可能にします。このハイブリッドアプローチは、広範なトレーニングデータの必要性を減らしながら、アシスタントの動作を制御するように設計されています。
このフレームワークのロードマップには、NLUパイプラインの強化、多言語モデルのサポート向上、展開されたアシスタントのテストと監視のためのツール改善が含まれています。Rasaのオープンソース開発への取り組みと活発なコミュニティは、今後も会話型AIの分野で重要なプレーヤーであり続けることを示唆しています。