外部知識ベースとは、AIや大規模言語モデル（LLM）が自らの学習データ以外から最新情報や専門情報を取得・参照するためのデータベースや情報源のことです。モデルの内部パラメータに依存せず、外部から動的に情報を検索・注入することで、ハルシネーションを抑制し、常に正確な回答の生成を可能にします。
外部知識ベースとは
外部知識ベースとは、AIモデルが学習時のデータに含まれていない最新情報や、特定の組織内のみに存在する専門データにアクセスし、回答の正確性を高めるために参照する外部の情報検索システムのことです。
詳しく解説
大規模言語モデルなどのAIモデルは、学習が完了した時点（カットオフ）以降の情報や、公開されていない企業の機密データを保持していません。この課題を解決するため、ユーザーからの質問に関連する情報を外部のデータベースから動的に検索し、その検索結果をプロンプトに埋め込んでAIに提示する手法（検索拡張生成、通称RAG）が広く普及しています。この際、情報の格納先となるのが外部知識ベースです。これには、テキストをベクトル化して検索するベクトルデータベースや、従来のリレーショナルデータベース、社内Wikiなどが活用されます。モデル自体を再学習（ファインチューニング）することなく、情報の追加・修正・削除を容易に行えるため、運用コストを抑えながら常に正確で最新の情報を維持できるのが特徴です。
具体例・使われ方
例えば、社内の問い合わせ対応AIを構築する際、最新の社内就業規則や製品マニュアルを外部知識ベースとして登録しておきます。ユーザーが「有給休暇の申請期限はいつまで？」と質問すると、システムは外部知識ベースから該当する就業規則のテキストを検索して取得し、それを基にAIが回答を構成します。これにより、マニュアル変更への追従もデータベースの更新だけで即座に反映可能になります。
似た用語との違い
AIモデル自身が事前学習によってニューラルネットワーク内部に保持している「パラメータ知識」との対比で語られます。パラメータ知識は、モデルのトレーニングによって固定されているため情報の更新が難しく、存在しない知識についてそれらしく回答してしまうハルシネーションを引き起こしやすい欠点があります。一方、外部知識ベース（非パラメータ知識）は動的な更新が可能で、回答時に「どのドキュメントを参照したか」という根拠（ソース）を明示できるため、透明性と信頼性が非常に高いという違いがあります。
注意点
外部知識ベースを導入しても、検索の精度（適切な情報を見つけ出せるか）が低いと、AIに無関係な情報が渡されてしまい、誤った回答の原因になります。また、個人情報や機密情報を扱う場合、適切なアクセス制御やセキュリティ対策を行わないと、AIの回答を通じて意図しない情報漏洩が生じるリスクがあります。さらに、外部知識ベース内のデータ自体の整合性や正確性を日頃からメンテナンスしておく必要があります。