ข้ามไปที่เนื้อหาหลัก

Amazon Neptune

ทำไมต้องใช้กราฟ

เมื่อองค์กรสร้างและนำแอปพลิเคชันปัญญาประดิษฐ์ (AI) ช่วยสร้างมาใช้ องค์กรย่อมมีความคาดหวังมากขึ้นในด้านความแม่นยำ ความครอบคลุม และความสามารถในการอธิบาย การให้บริบทสำหรับองค์กรและบริบทเฉพาะโดเมนผ่านเทคนิคต่างๆ เช่น การดึงข้อมูลเพื่อการสร้างแบบเสริม (RAG) สามารถช่วยได้ในระดับหนึ่ง โดย RAG ช่วยประหยัดค่าใช้จ่ายในการให้ข้อมูลปัจจุบันและข้อมูลที่เกี่ยวข้องสำหรับ AI ช่วยสร้าง พร้อมกับรักษาความสามารถในการการกำกับดูแลและควบคุมข้อมูล

การดึงข้อมูลเพื่อการสร้างแบบเสริมสำหรับกราฟ (GraphRAG) ยกระดับ RAG ไปอีกขั้นโดยใช้พลังจากทั้งการวิเคราะห์กราฟและการค้นหาเวกเตอร์เพื่อเสริมความแม่นยำ ความครอบคลุม ความสามารถในการอธิบายของการตอบสนองของ AI GraphRAG สามารถทำได้โดยใช้ความสัมพันธ์ระหว่างเอนทิตีหรือองค์ประกอบโครงสร้างในข้อมูล เช่น ส่วนต่าง ๆ หรือชื่อที่มีส่วนย่อยของเอกสาร เพื่อให้ข้อมูลที่เกี่ยวข้องมากที่สุดเป็นอินพุตสำหรับแอปพลิเคชัน RAG โดยสามารถสร้างความเชื่อมโยงแบบหลายช่วงที่เกี่ยวข้องกับเอนทิตีหรือหัวข้อ และใช้ข้อเท็จจริงเหล่านี้เพื่อเสริมการตอบสนองที่สร้างขึ้น

ความสามารถของ Amazon Neptune

1

GraphRAG

Amazon มีตัวเลือกที่มีการจัดการเต็มรูปแบบและตัวเลือกที่มีการจัดการด้วยตนเองสำหรับการสร้างและเรียกใช้แอปพลิเคชัน GraphRAG

  • จัดการอย่างเต็มที่: ฐานความรู้ของ Amazon Bedrock นำเสนอความสามารถ GraphRAG ที่มีการจัดการอย่างเต็มรูปแบบแห่งแรกของโลก โดยจะจัดการการสร้างและการบำรุงรักษากราฟและการฝังโดยอัตโนมัติ ซึ่งจะทำให้ลูกค้าสามารถให้การตอบสนองที่เกี่ยวข้องกับผู้ใช้ปลายทางได้มากขึ้น ด้วยความสามารถนี้ คุณจึงไม่จำเป็นต้องมีความเชี่ยวชาญด้านกราฟที่ลึกซึ้ง ซึ่งรวมถึงการสร้างกลยุทธ์การแบ่งข้อมูลหรือการผสานรวม RAG ที่ซับซ้อนกับ LLM และการจัดเก็บเวกเตอร์
  • การจัดการด้วย ตนเอง: หากคุณต้องการโฮสต์ด้วยตนเองหรือเชื่อมต่อกับแหล่งข้อมูลที่กำหนดเอง/ผลิตภัณฑ์ของบุคคลที่สาม (โมเดลพื้นฐาน พื้นที่เก็บเวกเตอร์ การจัดเก็บข้อมูล) คุณมีสองทางเลือก
    • ชุด@@ เครื่องมือ AWS GraphRAG Python: ชุดเครื่อง มือ GraphRAG แบบโอเพนซอร์สใหม่รองรับโมเดลพื้นฐานและ กราฟที่ทันสมัย โดยมีเฟรมเวิร์กสำหรับการทำให้โครงสร้างกราฟเป็นระบบอัตโนมัติจากข้อมูลที่ไม่มีโครงสร้าง และสำหรับการสืบค้นกราฟนี้เมื่อตอบคำถามของผู้ใช้
    • เฟรมเวิร์กโอเพ่นซ อร์ส: Neptune ช่วยลดความยุ่งยากในการสร้างแอปพลิเคชัน GraphRAG โดยการรวมเข้ากับทั้ง LangChain และ LlamaIndex ซึ่งทำให้การสร้างแอปพลิเคชันด้วย LLM อย่างเช่น แอปพลิเคชันที่พร้อมใช้งานใน Amazon Bedrock เป็นเรื่องง่าย AWS สนับสนุนและมีส่วนร่วมในโปรเจกต์โอเพนซอร์สยอดนิยมทั้งสองโปรเจกต์นี้
ชุดเครื่องมือ GraphRAG แบบโอเพ่นซอร์ส

2

แมชชีนเลิร์นนิง

  • Neptune Machine Learning (ML): Neptune ML สร้าง ฝึกอบรม และใช้โมเดล ML กับข้อมูลกราฟของคุณโดยอัตโนมัติ มันใช้ Deep Graph Library (DGL) เพื่อเลือกและฝึกโมเดล ML ที่ดีที่สุดสำหรับภาระงานของคุณโดยอัตโนมัติ เพื่อให้คุณสามารถทำการคาดการณ์ตาม ML บนข้อมูลกราฟในชั่วโมงแทนที่จะเป็นสัปดาห์
  • การสร้างแบบสอบถามภาษาธรรมชาติสำหรับกรา ฟ: หากคุณไม่คุ้นเคยกับภาษาแบบสอบถาม เช่น Gremlin หรือ Cypher การรวมของ Neptune กับ NeptuneOpenCypherQachain ช่วยให้คุณสามารถตั้งคำถามกับฐานข้อมูลกราฟเนปจูนของคุณโดยใช้ภาษาธรรมชาติ ตัวอย่างเช่น คุณสามารถแปลคำถามภาษาอังกฤษเป็นการสืบค้น openCypher และส่งคืนคําตอบที่มนุษย์อ่านได้ ห่วงโซ่นี้สามารถใช้เพื่อตอบคำถามเช่น “สนามบินใดในสหรัฐอเมริกาที่มีเส้นทางขาออกที่ยาวและสั้นที่สุด”.
ดีจีแอล

กรณีการใช้งาน

GraphRAG สามารถใช้เพื่อปรับปรุงโต๊ะบริการไอทีและศูนย์ติดต่อได้ ตัวอย่างเช่น GraphRAG สามารถเปิดใช้งานทีม Security Operations Center (SOC) ในการตีความการแจ้งเตือนได้อย่างแม่นยำยิ่งขึ้นเพื่อช่วยรักษาความปลอดภัยของระบบที่สำคัญ แชทบอทสนับสนุนสมาชิกด้านการดูแลสุขภาพสามารถค้นหาข้อมูลที่เกี่ยวข้องได้อย่างรวดเร็วจากวรรณกรรมทางการแพทย์จำนวนมากเพื่อตอบคำถามที่ซับซ้อนเกี่ยวกับอาการ การรักษา และผลลัพธ์ของผู้ป่วยได้

แอปพลิเคชัน GraphRAG สามารถให้บริการข้อมูลเชิงลึกที่ลึกซึ้งสำหรับทีมขององค์กร เช่น การวางแผนทางการเงินและการบัญชี (FP&A) การตลาด กฎหมาย ทรัพยากรบุคคลเป็นต้น ตัวอย่างเช่น ทีมกฎหมายขององค์กรสามารถค้นหาข้อมูลเกี่ยวกับกฎหมายภาษี ข้อบังคับ และข้อกำหนดเบื้องต้นของกรณีได้อย่างมีประสิทธิภาพมากขึ้นเพื่อคิดเกี่ยวกับกลยุทธ์กรณีศึกษา ทีมการตลาดสามารถสร้างมุมมอง 360 มุมมองของลูกค้าตามความสัมพันธ์ทางสังคมและประวัติการซื้อของผู้มีโอกาสได้

บริษัทต่าง ๆ ในอุตสาหกรรมได้รับประโยชน์จาก GraphRAG ตัวอย่างเช่นในอุตสาหกรรมยา ทีม R&D สามารถใช้ GraphRAG เพื่อเร่งการวิจัยและการทดลองยาเสพติด ในพื้นที่ธนาคารเพื่อการลงทุน ความสามารถของ GraphRAG ในการทำแผนที่ความสัมพันธ์ที่ซับซ้อนและให้มุมมองแบบองค์รวมของการยื่นคำร้องขององค์กร ซึ่งช่วยให้ทีมตรวจสอบสถานะในการค้นพบข้อมูลเชิงลึก เช่น สิทธิด้านกฎระเบียบและการเปลี่ยนแปลงการแข่งขัน ด้วย RAG ซึ่งไม่ชัดเจนอย่างง่ายดาย

เริ่มต้นใช้งาน

มีหลายวิธีในการเริ่มต้นใช้งาน ได้แก่: