AI ช่วยสร้างกับ Amazon Neptune

การวิเคราะห์กราฟประสิทธิภาพสูงและฐานข้อมูลแบบไม่ต้องใช้เซิร์ฟเวอร์เพื่อความสามารถในการปรับขนาดและความพร้อมใช้งานที่เหนือกว่า

ภาพรวม

เมื่อองค์กรสร้างและนำแอปพลิเคชันปัญญาประดิษฐ์ (AI) ช่วยสร้างมาใช้ องค์กรย่อมมีความคาดหวังในด้านเรื่องความแม่นยำ ความครอบคลุม และความสามารถในการอธิบายเพิ่มมากขึ้น การให้บริบทสำหรับองค์กรและบริบทเฉพาะโดเมนผ่านเทคนิคต่างๆ เช่น การดึงข้อมูลเพื่อการสร้างแบบเสริม (RAG) สามารถช่วยได้ในระดับหนึ่ง โดย RAG ช่วยประหยัดค่าใช้จ่ายในการให้ข้อมูลปัจจุบันและข้อมูลที่เกี่ยวข้องสำหรับ AI ช่วยสร้าง พร้อมกับรักษาความสามารถในการการกำกับดูแลและควบคุมข้อมูล

การดึงข้อมูลเพื่อการสร้างแบบเสริมสำหรับกราฟ (GraphRAG) ยกระดับ RAG ไปอีกขั้นโดยใช้พลังจากทั้งการวิเคราะห์กราฟและการค้นหาเวกเตอร์เพื่อเสริมความแม่นยำ ความครอบคลุม ความสามารถในการอธิบายการตอบสนองของ AI GraphRAG สามารถทำได้โดยใช้ความสัมพันธ์ระหว่างเอนทิตีหรือองค์ประกอบโครงสร้างในข้อมูล เช่น ส่วน หรือชื่อที่มีชิ้นส่วนเอกสาร เพื่อให้ข้อมูลที่เกี่ยวข้องมากที่สุดเป็นอินพุตสำหรับแอปพลิเคชัน RAG เมื่อใช้กราฟความรู้ แอปพลิเคชัน RAG สามารถดึงความเชื่อมโยงแบบหลายฮอปที่เกี่ยวข้องกับเอนทิตีหรือหัวข้อ และใช้ข้อเท็จจริงเหล่านี้เพื่อเสริมการตอบสนองที่สร้างขึ้นได้

AI ช่วยสร้างกับ Amazon Neptune

Amazon มีตัวเลือกที่มีการจัดการด้วยตนเองและเส้นทางที่มีการจัดการเต็มรูปแบบสำหรับการสร้างและเรียกใช้แอปพลิเคชัน GraphRAG

  • มีการจัดการเต็มรูปแบบ: ฐานความรู้ของ Amazon Bedrock นำเสนอบริการ GraphRAG ที่มีการจัดการเต็มรูปแบบเป็นครั้งแรกของโลกด้วย Amazon Neptune โดยจะจัดการการสร้างและการบำรุงรักษากราฟและการฝังโดยอัตโนมัติ ซึ่งจะทำให้ลูกค้าสามารถให้การตอบสนองที่เกี่ยวข้องกับผู้ใช้ปลายทางได้มากขึ้น ในฐานะบริการที่มีการจัดการอย่างเต็มรูปแบบ คุณจะสามารถหลีกเลี่ยงความท้าทายในการตั้งค่าการกำหนดค่าและการผสานรวมเข้ากับ LLM หรือฐานข้อมูลเวกเตอร์อื่น ๆ ได้ 
  • การจัดการด้วยตนเอง: สำหรับผู้ใช้ที่กำลังมองหาการโฮสต์ด้วยตนเองหรือความยืดหยุ่นในการเชื่อมต่อกับแหล่งที่มาของข้อมูลที่กำหนดเอง การผสานรวมกับผลิตภัณฑ์ของบุคคลที่สาม (โมเดลพื้นฐาน พื้นที่เก็บเวกเตอร์ การจัดเก็บข้อมูล) และการโฮสต์สแต็กแอปพลิเคชัน AI ช่วยสร้างด้วยตนเอง คุณมี 2 ตัวเลือก
    • ชุดเครื่องมือ AWS GraphRAG Python: ตอนนี้ AWS ได้เปิดตัวชุดเครื่องมือ GraphRAG แบบโอเพนซอร์สใหม่ซึ่งรองรับโมเดลกราฟและโมเดลพื้นฐานที่ทันสมัย โดยมีเฟรมเวิร์กสำหรับการทำให้โครงสร้างกราฟเป็นระบบอัตโนมัติจากข้อมูลที่ไม่มีโครงสร้าง และสำหรับการสืบค้นกราฟนี้เมื่อตอบคำถามของผู้ใช้
    • เฟรมเวิร์กโอเพนซอร์ส: AWS สนับสนุนและมีส่วนร่วมในโครงการโอเพนซอร์สยอดนิยม ซึ่งรวมถึง LangChain และ LlamaIndex สำหรับการสร้างไปป์ไลน์ RAG ของการผลิต

ผู้ใช้ที่ไม่คุ้นเคยกับภาษาการสืบค้นข้อมูลสำหรับฐานข้อมูลแบบกราฟสามารถใช้ประโยชน์จากการผสานรวมของ Neptune กับ LangChain ได้ สิ่งนี้ช่วยให้คุณสามารถตั้งคำถามกับฐานข้อมูลแบบกราฟ Neptune ของคุณได้โดยใช้ภาษาธรรมชาติ ตัวอย่างเช่น คุณสามารถใช้ Neptune openCypher QA Chain เพื่อแปลคําถามภาษาอังกฤษเป็นการสืบค้น openCypher และส่งคืนคําตอบที่มนุษย์อ่านได้ เชนนี้สามารถใช้เพื่อตอบคําถาม เช่น "สนามบินใดในสหรัฐอเมริกาที่มีเส้นทางขาออกยาวที่สุดและสั้นที่สุด"

LangChain เป็นเฟรมเวิร์ก Python แบบโอเพ่นซอร์สที่ออกแบบมาเพื่อลดความซับซ้อนในการสร้างแอปพลิเคชันโดยใช้โมเดลภาษาขนาดใหญ่ (LLM) การรวม Neptune เข้ากับ LangChain ช่วยให้ผู้พัฒนาสามารถใช้กรอบงานโอเพ่นซอร์สของ LangChain เพื่อลดความซับซ้อนในการสร้างแอปพลิเคชันที่คำนึงถึงบริบท

Neptune และ LangChain ทำให้คุณสามารถส่งคืนคำตอบตามบริบทที่ให้ไว้และสืบค้นฐานข้อมูลแบบกราฟ Neptune โดยใช้ภาษาการสืบค้น openCypher ตัวอย่างเช่น คุณสามารถใช้ Neptune openCypher QA Chain เพื่อแปลคําถามภาษาอังกฤษเป็นการสืบค้น openCypher และส่งคืนคําตอบที่มนุษย์อ่านได้ เชนนี้สามารถใช้เพื่อตอบคําถาม เช่น "สนามบินออสตินมีเส้นทางขาออกกี่เส้นทาง"

สําหรับรายละเอียดเพิ่มเติมเกี่ยวกับ Neptune openCypher QA Chain โปรดไปที่ เอกสารประกอบ LangChain แบบโอเพ่นซอร์ส

LlamaIndex เป็นกรอบข้อมูลโอเพ่นซอร์สสำหรับการเชื่อมต่อแหล่งที่มาของข้อมูลที่กำหนดเองเข้ากับโมเดลภาษาขนาดใหญ่ (LLM) และรองรับการใช้กราฟความรู้กับ LLM

ด้วย LlamaIndex คุณสามารถใช้ Neptune เป็น ที่จัดเก็บกราฟ หรือ ที่จัดเก็บเวกเตอร์ เพื่อสร้างแอปพลิเคชัน AI ช่วยสร้างโดยใช้เทคนิคเช่น GraphRAG

กรณีใช้งาน

GraphRAG สามารถใช้เพื่อปรับปรุงฝ่ายสนับสนุนและศูนย์ติดต่อ IT ได้ ตัวอย่างเช่น GraphRAG สามารถเปิดใช้งานทีม Security Operations Center (SOC) เพื่อตีความการแจ้งเตือนได้อย่างแม่นยำยิ่งขึ้นเพื่อช่วยรักษาความปลอดภัยระบบที่สำคัญ แชทบอทสนับสนุนสมาชิกด้านการดูแลสุขภาพสามารถค้นหาข้อมูลที่เกี่ยวข้องได้อย่างรวดเร็วจากวรรณกรรมทางการแพทย์จำนวนมากเพื่อตอบคำถามที่ซับซ้อนเกี่ยวกับอาการ การรักษา และผลลัพธ์ของผู้ป่วยได้

แอปพลิเคชัน GraphRAG สามารถให้บริการข้อมูลเชิงลึกที่ลึกซึ้งสำหรับทีมขององค์กร เช่น การวางแผนทางการเงินและการบัญชี (FP&A) การตลาด กฎหมาย ทรัพยากรบุคคลเป็นต้น ตัวอย่างเช่น ทีมกฎหมายขององค์กรสามารถค้นหาข้อมูลเกี่ยวกับกฎหมายภาษี ข้อบังคับ และข้อกำหนดเบื้องต้นของกรณีได้อย่างมีประสิทธิภาพมากขึ้นเพื่อคิดเกี่ยวกับกลยุทธ์กรณี ทีมการตลาดสามารถสร้างมุมมองลูกค้า 360 องศาได้ตามความสัมพันธ์ทางสังคมและประวัติการซื้อของผู้มีโอกาสเป็นลูกค้าได้

บริษัทต่าง ๆ ในอุตสาหกรรมได้รับประโยชน์จาก GraphRAG ตัวอย่างเช่น ในอุตสาหกรรม ยา ทีม R&D สามารถใช้ GraphRAG เพื่อเร่งการวิจัยและการทดลองยาได้ ในพื้นที่ธนาคารเพื่อการลงทุน ความสามารถของ GraphRAG ในการทำแผนที่ความสัมพันธ์ที่ซับซ้อนและให้มุมมองแบบองค์รวมของการจัดเก็บไฟล์ขององค์กร ซึ่งช่วยให้ทีมตรวจสอบความถูกต้องค้นพบข้อมูลเชิงลึก เช่น สิทธิด้านกฎระเบียบและการเปลี่ยนแปลงการแข่งขันได้ด้วย RAG ซึ่งเป็นข้อมูลที่ปกติแล้วจะไม่ชัดเจนได้อย่างง่ายดาย

คำแนะนำแบบดั้งเดิมจะใช้บริการวิเคราะห์ด้วยตนเองเพื่อทำการแนะนำผลิตภัณฑ์ Neptune ML สามารถระบุความสัมพันธ์ใหม่บนข้อมูลกราฟได้โดยตรง และแนะนำรายชื่อเกมที่ผู้เล่นสนใจจะซื้อ ผู้เล่นคนอื่นที่ต้องการติดตาม หรือผลิตภัณฑ์ที่จะซื้อได้อย่างง่ายดาย

ราคา

ไม่จำเป็นต้องมีการลงทุนล่วงหน้า คุณจะจ่ายเฉพาะทรัพยากร AWS ที่ใช้ เช่น Amazon SageMaker, Neptune และ Amazon Simple Storage Service (Amazon S3)

เริ่มต้นใช้งาน

มีหลายวิธีในการเริ่มต้นใช้งาน ได้แก่: