الذكاء الاصطناعي المولّد مع Amazon Neptune

تحليلات الرسم البياني عالية الأداء وقاعدة البيانات بلا خادم لتوفير قابلية توسع وتوافر فائقة

نظرة عامة

مع قيام المؤسسات ببناء ونشر تطبيقات الذكاء الاصطناعي المولِّد (AI)، تتزايد توقعاتها للدقة والشمولية وقابلية التفسير. يمكن أن يساعد توفير السياق الخاص بالمؤسسة والمجال من خلال تقنيات مثل التوليد المعزز بالاسترداد (RAG) إلى حد ما - RAG فعال من حيث التكلفة لتوفير المعلومات الحالية وذات الصلة للذكاء الاصطناعي المولّد مع الاحتفاظ بإدارة البيانات والتحكم فيها.

التوليد المعزز بالاسترداد الخاص بالرسم البياني (GraphRAG) يأخذ RAG إلى مستوٍ أعلى من خلال تسخير قوة كل من تحليلات الرسم البياني والبحث المتجه لتعزيز دقة وشمولية وقابلية شرح استجابات الذكاء الاصطناعي. يحقق GraphRAG ذلك من خلال الاستفادة من العلاقات بين الكيانات أو العناصر الهيكلية في البيانات، مثل الأقسام أو العناوين مع أجزاء من المستندات، لتوفير البيانات الأكثر صلة كمدخلات لتطبيقات RAG. من خلال استخدام الرسوم البيانية المعرفية، يمكن لتطبيقات RAG استرداد الاتصالات متعددة الخطوات بين الكيانات أو الموضوعات ذات الصلة واستخدام هذه الحقائق لزيادة الاستجابة التوليدية.

الذكاء الاصطناعي المولّد مع Amazon Neptune

توفر Amazon مسارات مُدارة بالكامل ومدارة ذاتيًا لإنشاء تطبيقات GraphRAG وتشغيلها.

  • مُدارة بالكامل: تقدم قواعد المعرفة في Amazon Bedrock أول خدمة GraphRAG مُدارة بالكامل في العالم مع Amazon Neptune. يقوم تلقائيًا بإدارة إنشاء الرسوم البيانية والتضمين وصيانتها، مما يمكّن العملاء من تقديم استجابات أكثر صلة للمستخدمين النهائيين. كخدمة مُدارة بالكامل، يمكنك تجنب تحديات إعداد التكوينات والتكامل مع نماذج اللغة الكبيرة (LLMs) الأخرى أو قواعد بيانات المتجهات. 
  • الإدارة الذاتية: بالنسبة للمستخدمين الذين يبحثون عن الاستضافة الذاتية أو المرونة في الاتصال بمصادر البيانات المخصصة، والتكامل مع منتجات الجهات الخارجية (نماذج التأسيس، ومخازن المتجهات، ومخازن البيانات) والاستضافة الذاتية لمجموعة تطبيقات الذكاء الاصطناعي المولّد، لديك خياران.
    • مجموعة أدوات AWS GraphRAG Python: أصدرت AWS الآن مجموعة أدوات GraphRAG مفتوحة المصدر، والتي تدعم نماذج التأسيس ونماذج الرسم البياني الحديثة. يوفر إطارًا لأتمتة إنشاء رسم بياني من البيانات غير المهيكلة، وللاستعلام عن هذا الرسم البياني عند الإجابة على أسئلة المستخدم.
    • أطر عمل مفتوحة المصدر: تدعم AWS وتساهم في المشاريع الشائعة مفتوحة المصدر بما في ذلك LangChain وLlamaIndex لبناء مسارات RAG للإنتاج.

يمكن للمستخدمين غير المعتادين على لغات الاستعلام لقواعد بيانات الرسم البياني الاستفادة من تكامل Neptune مع LangChain. يمكّنك هذا من التشكيك في قاعدة بيانات الرسم البياني لـ Neptune باستخدام اللغة الطبيعية. على سبيل المثال، يمكنك استخدام NeptuneOpenCypherQAChain لترجمة الأسئلة الإنجليزية إلى استعلامات openCypher وإرجاع إجابة يمكن للبشر قراءتها. يمكن استخدام هذه السلسلة للإجابة على أسئلة مثل «أي مطار أمريكي لديه أطول وأقصر طرق المغادرة؟»

LangChain هو إطار عمل Python مفتوح المصدر مصمم لتبسيط إنشاء التطبيقات باستخدام نماذج اللغة الكبيرة (LLMs). يسمح تكامل Neptune مع LangChain للمطورين باستخدام إطار LangChain مفتوح المصدر لتبسيط إنشاء تطبيقات مدركة للسياق.

باستخدام Neptune وLangChain، يمكنك إرجاع استجابة بناءً على السياق المقدم والاستعلام عن قاعدة بيانات الرسم البياني Neptune باستخدام لغة استعلام openCypher. على سبيل المثال، يمكنك استخدام سلسلة Neptune openCypher QA Chain لترجمة الأسئلة الإنجليزية إلى استعلامات openCypher وإرجاع إجابة يمكن للبشر قراءتها. يمكن استخدام هذه السلسلة للإجابة على أسئلة مثل «كم عدد المسارات الصادرة في مطار أوستن؟»

لمزيد من التفاصيل حول سلسلة Neptune openCypher QA Chain، تفضل بزيارة وثائق LangChain مفتوحة المصدر.

LlamaIndex هو إطار بيانات مفتوح المصدر لربط مصادر البيانات المخصصة بنماذج اللغات الكبيرة (LLM) ويدعم استخدام الرسوم البيانية المعرفية مع LLMs.

مع LlamaIndex، يمكن استخدام Amazon Neptune كمتجر للرسوم البيانية أو متجر المتجهات لإنشاء تطبيقات الذكاء الاصطناعي المولّد باستخدام تقنيات مثل GraphRAG.

حالات الاستخدام

يمكن استخدام GraphRAG لتحسين مكتب خدمة تكنولوجيا المعلومات ومركز الاتصال. على سبيل المثال، يمكن لـ GraphRAG تمكين فرق مركز عمليات الأمان (SOC) من تفسير التنبيهات بدقة أكبر للمساعدة في تأمين الأنظمة الهامة. يمكن لبرنامج الدردشة الآلي لدعم أعضاء الرعاية الصحية العثور بسرعة على المعلومات ذات الصلة من كميات كبيرة من الأدبيات الطبية للإجابة على الأسئلة المعقدة حول أعراض المريض وعلاجاته ونتائجه.

يمكن أن تقدم تطبيقات GraphRAG رؤى عميقة للفرق في وظائف الشركات مثل التخطيط المالي والمحاسبة (FP&A)، والتسويق، والشؤون القانونية، والموارد البشرية، وما إلى ذلك. على سبيل المثال، يمكن للفرق القانونية للشركات العثور بشكل أكثر فعالية على معلومات حول قوانين الضرائب واللوائح والسوابق القضائية للتفكير في استراتيجيات القضايا. يمكن لفرق التسويق إنشاء رؤية شاملة عن العملاء استنادًا إلى الاتصالات الاجتماعية للعميل المحتمل وسجل الشراء.

تستفيد الشركات عبر الصناعات من GraphRAG. على سبيل المثال، في صناعة الأدوية، يمكن لفرق البحث والتطوير استخدام GraphRAG لتسريع الأبحاث والتجارب الدوائية. في مجال الخدمات المصرفية الاستثمارية، قدرة GraphRAG على رسم خريطة للعلاقات المعقدة وتقديم رؤية شاملة لملفات الشركات، مما يساعد فرق العناية الواجبة على الكشف عن الأفكار - مثل الحقوق التنظيمية والديناميكيات التنافسية - مع RAG التي لا تكون واضحة بسهولة بخلاف ذلك.

تستخدم التوصيات التقليدية خدمات التحليلات يدويًا لتقديم توصيات بشأن المنتج. يمكن لـ Neptune ML تحديد العلاقات الجديدة مباشرةً من خلال بيانات الرسم البياني، والتوصية بسهولة بقائمة الألعاب التي قد يرغب اللاعب في شرائها أو لاعبين آخرين لمتابعتهم أو المنتجات المراد شراؤها.

الأسعار

لا توجد حاجة إلى استثمارات مسبقة. أنت تدفع فقط مقابل موارد AWS المستخدمة مثل Amazon SageMaker وNeptune وAmazon Simple Storage Service (Amazon S3).

بدء الاستخدام

هناك العديد من الطرق للبدء بما في ذلك: