Amazon Neptune ile Üretken Yapay Zeka

Üst düzey ölçeklenebilirlik ve erişilebilirlik için yüksek performanslı grafik analizi ve sunucusuz veri tabanı

Genel Bakış

Kuruluşlar üretken yapay zeka (AI) uygulamaları oluşturup dağıttıkça doğruluk, kapsamlılık ve açıklanabilirlik beklentileri artmaktadır. Almayla Artırılmış Üretim (RAG) gibi tekniklerle kurumsal ve etki alanına özgü bağlam sağlamak bir ölçüde yardımcı olabilir. RAG, veri yönetişimini ve denetimini korurken üretken yapay zekaya güncel ve ilgili bilgileri sağlamak için uygun maliyetli bir seçenektir.

Graph Almayla Artırılmış Üretim (GraphRAG), yapay zeka yanıtlarının doğruluğunu, kapsamlılığını ve açıklanabilirliğini artırmak için hem grafik analizinin hem de vektör aramanın gücünden yararlanarak RAG'ı bir sonraki seviyeye taşıyor. GraphRAG bunu, RAG uygulamalarına girdi olarak en alakalı verileri sağlamak için belge parçaları ile bölümler veya başlıklar gibi, verilerdeki varlıklar veya yapısal öğeler arasındaki ilişkilerden yararlanarak başarır. Bilgi grafiklerinin kullanımı yoluyla, RAG uygulamaları ilgili varlıklar veya konular arasındaki çoklu atlama bağlantılarını alabilir ve bu gerçekleri üretken bir yanıtı artırmak için kullanabilir.

Amazon Neptune ile Üretken Yapay Zeka

Amazon, GraphRAG uygulamaları oluşturmak ve çalıştırmak için tam olarak yönetilen ve kendi kendine yönetilen yollar sağlar.

  • Tam olarak yönetilen: Amazon Bedrock Bilgi Tabanları, Amazon Neptune ile dünyanın ilk tam olarak yönetilen GraphRAG hizmetini sunar. Grafiklerin ve katıştırmaların oluşturulmasını ve sürdürülmesini otomatik olarak yönetir ve müşterilerin son kullanıcılara daha alakalı yanıtlar vermesini sağlar. Tam olarak yönetilen bir hizmet olarak, yapılandırmaları ayarlama ve diğer LLM'ler veya vektör veri tabanlarıyla entegre etme zorluklarından kaçınırsınız. 
  • Kendi kendine yönetilen: Kendi kendine barındırma veya özel veri kaynaklarına bağlanma, üçüncü taraf ürünlerle (altyapı modelleri, vektör depoları, veri depoları) entegrasyon ve üretken yapay zeka uygulama yığınını kendi kendine barındırma konusunda esneklik arayan kullanıcılar için iki seçenek vardır.
    • AWS GraphRAG Python araç seti: AWS, güncel altyapı ve grafik modellerini destekleyen açık kaynaklı GraphRAG araç setini kullanıma sundu. Yapılandırılmamış verilerden bir grafiğin oluşturulmasını otomatikleştirmek ve kullanıcı sorularını yanıtlarken bu grafiği sorgulamak için bir çerçeve sağlar.
    • Açık kaynak çerçeveleri: AWS, üretim RAG işlem hatları oluşturmak için LangChain ve LlamaIndex gibi popüler açık kaynak projelerini destekler ve bunlara katkıda bulunur.

Grafik veri tabanları için sorgu dillerine aşina olmayan kullanıcılar, Neptune'un LangChain ile entegrasyonundan yararlanabilir. Bu, Neptune grafik veri tabanınızı doğal dil kullanarak sorgulamanızı sağlar. Örneğin İngilizce soruları openCypher sorgularına çevirmek ve insanlar tarafından okunabilen bir yanıt döndürmek için Neptune OpenCypher Soru-Cevap Zincirini kullanabilirsiniz. Bu zincir, "ABD'de en uzun ve en kısa uçuşların başlangıç noktası olan havalimanı hangisidir?" gibi soruları yanıtlamak için kullanılabilir.

LangChain, büyük dil modelleri (LLM'ler) kullanarak uygulamaların oluşturulmasını basitleştirmek için tasarlanmış açık kaynaklı bir Python çerçevesidir. Neptune'ün LangChain entegrasyonu, geliştiricilere bağlama duyarlı uygulamalar oluşturma sürecini basitleştirmek için LangChain'in açık kaynaklı çerçevesini kullanma olanağı tanır.

Neptune ve LangChain ile, sağlanan bağlama dayalı bir yanıt döndürebilir ve openCypher sorgu dilini kullanarak bir Neptune grafik veri tabanını sorgulayabilirsiniz. Örneğin, İngilizce soruları openCypher sorgularına çevirmek ve insanlar tarafından okunabilen bir yanıt döndürmek için Neptune openCypher Soru-Cevap Zincirini kullanabilirsiniz. Bu zincir, "Austin havaalanında kaç tane gidiş rotası var?" gibi soruları yanıtlamak için kullanılabilir.

Neptune openCypher Soru-Cevap Zinciri hakkında daha fazla ayrıntı için açık kaynaklı LangChain belgelerini ziyaret edin.

LlamaIndex, özel veri kaynaklarını büyük dil modellerine (LLM) bağlamaya yarayan açık kaynaklı bir veri çerçevesidir ve LLM'lerle bilgi grafiklerini kullanmayı destekler.

LlamaIndex ile, GraphRAG gibi teknikleri kullanarak üretici yapay zeka uygulamaları oluşturmak için Neptune'ü bir grafik deposu veya vektör deposu olarak kullanabilirsiniz.

Kullanım örnekleri

GraphRAG, BT hizmet masasını ve iletişim merkezini geliştirmek için kullanılabilir. Örneğin GraphRAG, Güvenlik Operasyonları Merkezi (SOC) ekiplerinin kritik sistemlerin güvenliğini sağlamaya yardımcı olmak için uyarıları daha doğru yorumlamasını sağlayabilir. Bir sağlık üyesi destek sohbet robotu; hasta semptomları, tedavileri ve sonuçları hakkındaki karmaşık soruları yanıtlamak için büyük hacimli tıbbi literatürden ilgili bilgileri hızlı bir şekilde bulabilir.

GraphRAG uygulamaları, finansal planlama ve muhasebe (FP&A), pazarlama, hukuk, İK vb. kurumsal işlevlerdeki ekipler için derin öngörüler sunabilir. Örneğin kurumsal hukuk ekipleri, vaka stratejileri hakkında fikir edinmek için vergi yasaları, düzenlemeler ve dava emsalleri hakkında daha etkili bilgi bulabilir. Pazarlama ekipleri, potansiyel müşterinin sosyal bağlantılarına ve satın alma geçmişine dayalı olarak customer 360 görünümleri oluşturabilir.

Farklı sektörlerdeki şirketler GraphRAG'dan yararlanıyor. Örneğin ilaç endüstrisinde, Ar-Ge ekipleri ilaç araştırmalarını ve denemelerini hızlandırmak için GraphRAG'ı kullanabilir. Yatırım bankacılığı alanında, GraphRAG'ın karmaşık ilişkileri haritalama ve kurumsal dosyaların bütünsel bir görünümünü sağlama yeteneği, durum tespiti ekiplerinin RAG ile düzenleyici haklar ve rekabet dinamikleri gibi, normalde kolayca görünmeyen öngörüleri ortaya çıkarmasına yardımcı olur.

Geleneksel önerilerde, ürün önerileri için analiz hizmetleri manuel olarak kullanılır. Neptune ML, doğrudan grafik verileri üzerinde yeni ilişkiler tespit edebilir ve bir oyuncunun satın almak isteyeceği oyunların, takip etmek isteyebileceği diğer oyuncuların veya satın almak isteyeceği ürünlerin listesini kolayca önerebilir.

Fiyatlandırma

Ön yatırım yapmanız gerekmez. Yalnızca Amazon SageMaker, Neptune ve Amazon Simple Storage Service (Amazon S3) gibi kullandığınız AWS kaynakları için ödeme yaparsınız.

Kullanmaya başlama

Kullanmaya başlamanın birçok yolu vardır: