الذكاء الاصطناعي المولّد وتعلُّم الآلة

ما سبب أهمية الرسوم البيانية؟

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. يمكنه إجراء اتصالات متعددة الخطوات بين الكيانات أو الموضوعات ذات الصلة واستخدام هذه الحقائق لزيادة الاستجابة التوليدية.

قدرات Amazon Neptune

1. GraphRAG

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

مُدارة بالكامل: توفر قواعد المعرفة في Amazon Bedrock واحدة من أولى إمكانيات GraphRag المُدارة بالكامل في العالم. يقوم تلقائيًا بإدارة إنشاء الرسوم البيانية والتضمين وصيانتها، مما يمكّن العملاء من تقديم استجابات أكثر صلة للمستخدمين النهائيين. باستخدام هذه الإمكانية، يمكنك تجنب الحاجة إلى خبرة عميقة في الرسم البياني، بما في ذلك إنشاء استراتيجيات التقسيم أو عمليات تكامل RAG المعقدة مع نماذج اللغة الكبيرة (LLMs) ومخازن المتجهات.
الإدارة الذاتية: إذا كنت تبحث عن الاستضافة الذاتية أو الاتصال بمصادر البيانات المخصصة/منتجات الطرف الثالث (النماذج التأسيسية ومخازن المتجهات ومخازن البيانات)، فلديك خياران.
- مجموعة أدوات AWS GraphRag Python: تدعم مجموعة أدوات GraphRag الجديدة مفتوحة المصدر النماذج التأسيسية والرسومية الحديثة. يوفر إطارًا لأتمتة إنشاء رسم بياني من البيانات غير المهيكلة، وللاستعلام عن هذا الرسم البياني عند الإجابة على أسئلة المستخدم.
- أطر مفتوحة المصدر: يبسط نبتون إنشاء تطبيقات GraphRag من خلال التكامل مع كل من LangChain و LLAmaIndex. هذا يجعل من السهل إنشاء تطبيقات باستخدام نماذج اللغة الكبيرة (LLMs) مثل تلك المتوفرة في Amazon Bedrock. تدعم AWS وتساهم في كل من هذه المشاريع الشائعة مفتوحة المصدر.

مجموعة أدوات GraphRag مفتوحة المصدر

2. تعلُّم الآلة

التعلم الآلي لـ Neptune (ML): يقوم Neptune ML تلقائيًا بإنشاء نماذج تعلم الآلة وتدريبها وتطبيقها على بيانات الرسم البياني الخاصة بك. يستخدم Deep Graph Library (DGL) لاختيار أفضل نموذج ML وتدريبه تلقائيًا لعبء العمل الخاص بك بحيث يمكنك عمل تنبؤات تستند إلى ML على بيانات الرسم البياني في ساعات بدلاً من أسابيع.
إنشاء استعلام بلغة طبيعية للرسوم البيانية: إذا لم تكن معتادًا على لغات الاستعلام مثل Gremlin أو Cypher، فإن تكامل Neptune مع NepTuneOpenCypherQaChain يمكّنك من التشكيك في قاعدة بيانات الرسم البياني لـ Neptune باستخدام اللغة الطبيعية. على سبيل المثال، يمكنك ترجمة الأسئلة الإنجليزية إلى استعلامات الرسم البياني الخاصة بـ openCypher وتقديم إجابة يمكن للإنسان قراءتها يمكن استخدام هذه السلسلة للإجابة على أسئلة مثل «أي مطار أمريكي لديه أطول وأقصر طرق المغادرة؟ ».

دي جي إل

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 مشاهدات 360 للعملاء 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.