Pular para o conteúdo principal

Amazon Neptune

Por que grafos?

À medida que as organizações criam e implantam aplicações de inteligência artificial generativa, suas expectativas quanto à precisão, abrangência e explicabilidade aumentam. Fornecer contexto corporativo e específico de domínio por meio de técnicas como a Geração aumentada via recuperação (RAG) pode ajudar até certo ponto. A RAG é econômica para fornecer informações atuais e relevantes de IA generativa, mantendo o controle e a governança de dados.

A geração aumentada via recuperação gráfica (GraphRAG) leva a RAG ao próximo nível, aproveitando o poder do analytics gráfico e da pesquisa vetorial para aprimorar a precisão, a abrangência e a explicabilidade das respostas de IA. A GraphRag consegue isso aproveitando as associações entre entidades ou elementos estruturais nos dados, como seções ou títulos com blocos de documentos, para fornecer os dados mais relevantes como entrada para aplicações de RAG. Ele pode fazer conexões de vários saltos entre entidades ou tópicos relacionados e usar esses fatos para aumentar uma resposta generativa.

Capacidades do Amazon Neptune

1

GraphRAG

A Amazon oferece opções totalmente gerenciadas e autogerenciadas para criar e executar aplicações GraphRag.

  • Totalmente gerenciado: as bases de conhecimento da Amazon Bedrock oferecem um dos primeiros recursos GraphRag totalmente gerenciados do mundo. Ele gerencia automaticamente a criação e manutenção de grafos e incorporações, permitindo que os clientes forneçam respostas mais relevantes aos usuários finais. Com esse recurso, você evita a necessidade de experiência profunda em gráficos, incluindo a criação de estratégias de fragmentação ou integrações RAG complexas com LLMs e armazenamentos de vetores.
  • Autogerenciado: se você deseja se hospedar sozinho ou se conectar a fontes de dados personalizadas/produtos de terceiros (modelos básicos, armazenamentos vetoriais, armazenamentos de dados), você tem duas opções.
    • Kit de ferramentas AWS GraphRag Python: O novo kit de ferramentas GraphRag de código aberto oferece suporte a modelos básicos e gráficos atualizados . Ele fornece um framework para automatizar a criação de um grafo de dados não estruturados e para consultá-lo ao responder às perguntas dos usuários.
    • Estruturas de código aberto: o Neptune simplifica a criação de aplicativos GraphRag ao se integrar ao LangChain e ao LlamaIndex. Isso facilita a criação de aplicações com LLMs, como as disponíveis no Amazon Bedrock. A AWS apoia e contribui com esses dois projetos populares de código aberto.
kit de ferramentas GraphRag de código aberto

2

Machine learning

  • Neptune Machine Learning (ML): o Neptune ML cria, treina e aplica automaticamente modelos de ML em seus dados gráficos. Ele usa a Deep Graph Library (DGL) para escolher e treinar automaticamente o melhor modelo de ML para sua carga de trabalho, para que você possa fazer previsões baseadas em ML em dados gráficos em horas, em vez de semanas.
  • Geração de consultas em linguagem natural para gráficos: se você não estiver familiarizado com linguagens de consulta como Gremlin ou Cypher, a integração do Neptune com o NeptuneOpencypherQAChain permite que você questione seu banco de dados gráfico do Neptune usando linguagem natural. Por exemplo, você pode traduzir perguntas em inglês para consultas do OpenCypher e retornar uma resposta legível por humanos. Essa cadeia pode ser usada para responder perguntas como “Qual aeroporto dos EUA tem as rotas de saída mais longas e mais curtas? ”.
DGL

Casos de uso

O GraphRag pode ser usado para melhorar a central de serviços de TI e o contact center. Por exemplo, o GraphRag pode permitir que as equipes do Centro de Operações de Segurança (SOC) interpretem os alertas com mais precisão para ajudar a proteger sistemas críticos. Um chatbot de suporte para membros da área da saúde pode encontrar rapidamente informações relevantes em grandes volumes de literatura médica para responder a perguntas complexas sobre sintomas, tratamentos e desfechos do paciente.

As aplicações de GraphRAG podem fornecer insights profundos para equipes em funções corporativas, como contabilidade e planejamento financeiro, marketing, jurídico, RH etc. Por exemplo, equipes jurídicas corporativas podem encontrar com mais eficiência informações sobre leis tributárias, regulamentações e precedentes de casos para elaborar estratégias de casos. As equipes de marketing podem criar visualizações 360 dos clientes com base nas conexões sociais e no histórico de compras de um cliente potencial.

Empresas de todos os setores se beneficiam da GraphRAG. Por exemplo, na indústria farmacêutica, as equipes de P&D podem usar o GraphRag para acelerar pesquisas e testes de medicamentos. No espaço bancário de investimento, a capacidade da GraphRag de mapear relacionamentos complexos e fornecer uma visão holística dos registros corporativos, o que ajuda as equipes de due diligence a descobrir informações - como direitos regulatórios e dinâmica competitiva - com a RAG que, de outra forma, não seriam facilmente aparentes.

Conceitos básicos

Há muitas maneiras de começar, incluindo: