Grounding on prosessi, jossa kielimallin vastaukset ankkuroidaan todelliseen, ulkoiseen ja tarkistettavissa olevaan tietoon sen sijaan, että luotettaisiin yksinomaan koulutuksen aikana opittuun tietoon. Käytännössä se tarkoittaa, että mallille annetaan konkreettisia lähteitä – asiakirjoja, tietokantoja, hakutuloksia – joiden varaan sen on perustettava tuottamansa sisältö.
Sen merkitys perustuu siihen, että se vähentää hallusinaatioita, eli uskottavilta kuulostavia mutta vääriä väitteitä, joita malleilla syntyy, kun niillä ei ole luotettavaa dataa. Kun tekoälyä pakotetaan viittaamaan tarkistettaviin lähteisiin tai nojautumaan niihin, vastaukset paranevat tarkkuudeltaan ja jäljitettävyydeltään. Tämä on erityisen kriittistä esimerkiksi terveydenhuollossa, oikeudellisissa asioissa ja rahoitusalalla, joissa virhe voi aiheuttaa vakavia seurauksia.
Yleinen tapa tähän on RAG (Retrieval-Augmented Generation), jossa haetaan olennaiset tekstikatkelmat dokumenttikannasta ennen vastauksen generoimista. Hyvin ankkuroitu järjestelmä yleensä:
- ilmoittaa käytetyt lähteet.
- rajoittuu siihen, mitä nämä lähteet tukevat.
- tunnistaa, milloin sillä ei ole riittävästi tietoa.