Überspringen zum Hauptinhalt

Amazon Neptune

Warum Graphen?

Während Unternehmen Anwendungen generativer künstlicher Intelligenz (KI) entwickeln und bereitstellen, steigen ihre Erwartungen an Genauigkeit, Vollständigkeit und Erklärbarkeit. Die Bereitstellung von unternehmens- und domainspezifischem Kontext durch Techniken wie Retrieval Augmented Generation (RAG) kann bis zu einem gewissen Grad helfen: RAG ist kosteneffizient, wenn es darum geht, aktuelle und relevante Informationen für generative KI bereitzustellen und gleichzeitig die Daten-Governance und -kontrolle beizubehalten.

Graph Retrieval Augmented Generation (GraphRAG) hebt RAG auf die nächste Stufe, indem es die Leistungsfähigkeit von Graphanalytik und Vektorsuche nutzt, um die Genauigkeit, Vollständigkeit und Erklärbarkeit von KI-Antworten zu verbessern. GraphRAG erreicht dies, indem es Beziehungen zwischen Entitäten oder Strukturelementen in Daten, wie Abschnitte oder Titel mit Dokumentblöcken, nutzt, um RAG-Anwendungen die relevantesten Daten als Eingabe bereitzustellen. Es kann Multi-Hop-Verbindungen zwischen verwandten Entitäten oder Themen herstellen und diese Fakten nutzen, um eine generative Reaktion zu verstärken.

Funktionen von Amazon Neptune

1

GraphRAG

Amazon bietet vollständig verwaltete und selbstverwaltete Optionen zur Erstellung und Ausführung von GraphRAG-Anwendungen.

  • Vollständig verwaltet: Die Amazon Bedrock Knowledge Bases bieten eine der weltweit ersten vollständig verwalteten GraphRag-Funktionen. Die Erstellung und Wartung von Graphen und Einbettungen werden automatisch verwaltet, sodass Kundinnen und Kunden den Endbenutzenden relevantere Antworten geben können. Mit dieser Funktion ersparen Sie sich umfassendere Graphkenntnisse, einschließlich der Erstellung von Chunking-Strategien oder komplexen RAG-Integrationen mit LLMs und Vektorspeichern.
  • Selbstverwaltet: Wenn Sie benutzerdefinierte Datenquellen/Produkte von Drittanbietern (Basismodelle, Vektorspeicher, Datenspeicher) selbst hosten oder eine Verbindung zu diesen herstellen möchten, haben Sie zwei Möglichkeiten.
    • AWS GraphRag Python-Toolkit: Das neue Open-Source-GraphRag-Toolkit unterstützt aktuelle Grundlagen- und Graphmodelle. Es bietet ein Framework für die Automatisierung der Erstellung eines Graphs aus unstrukturierten Daten und für die Abfrage dieses Graphs bei der Beantwortung von Benutzerfragen.
    • Open-Source-Frameworks: Neptune vereinfacht die Erstellung von GraphRag-Anwendungen, indem es sowohl in LangChain als auch in LlamaIndex integriert wird. Dies macht es einfach, Anwendungen mit LLMs zu erstellen, so wie jene, die in Amazon Bedrock verfügbar sind. AWS unterstützt diese beiden gängigen Open-Source-Projekte und trägt zu ihnen bei.
Open-Source-GraphRag-Toolkit

2

Machine Learning

  • Neptune Machine Learning (ML): Neptune ML erstellt, trainiert und wendet automatisch ML-Modelle auf Ihre Graphdaten an. Es verwendet die Deep Graph Library (DGL), um automatisch das beste ML-Modell für Ihre Arbeitslast auszuwählen und zu trainieren, sodass Sie ML-basierte Vorhersagen für Grafikdaten innerhalb von Stunden statt Wochen treffen können.
  • Generierung natürlicher Sprachabfragen für Graphen: Wenn Sie mit Abfragesprachen wie Gremlin oder Cypher nicht vertraut sind, ermöglicht Ihnen die Neptune-Integration mit NeptuneOpenCypherQAChain, Ihre Neptune-Graphdatenbank in natürlicher Sprache zu hinterfragen. Beispielsweise können Sie englische Fragen in openCypher-Abfragen übersetzen und eine menschenlesbare Antwort ausgeben lassen. Diese Kette kann verwendet werden, um Fragen wie „Welcher US-Flughafen hat die längsten und kürzesten Abflugstrecken?“ zu beantworten? “.
DGL

Anwendungsfälle

GraphRag kann verwendet werden, um den IT-Servicedesk und das Contact Center zu verbessern. GraphRag kann es beispielsweise den Teams des Security Operations Center (SOC) ermöglichen, Warnmeldungen genauer zu interpretieren, um kritische Systeme zu schützen. Ein Support-Chatbot für Mitglieder des Gesundheitswesens kann schnell relevante Informationen aus großen Mengen medizinischer Literatur finden, um komplexe Fragen zu Patientensymptomen, Behandlungen und Behandlungsergebnissen zu beantworten.

GraphRAG-Anwendungen können Teams in Unternehmensfunktionen wie Finanzplanung und Buchhaltung (FP&A), Marketing, Recht, Personalwesen usw. tiefe Einblicke bieten. Zum Beispiel können Rechtsteams von Unternehmen effektiver Informationen über Steuergesetze, Vorschriften und Präzedenzfälle finden, um Ideen für Fallstrategien zu entwickeln. Marketingteams können 360-Grad-Ansichten von Kunden auf der Grundlage der sozialen Verbindungen und der Kaufhistorie eines Interessenten erstellen.

Unternehmen aller Branchen profitieren von GraphRAG. In der Pharmaindustrie können Forschungs- und Entwicklungsteams GraphRag beispielsweise verwenden, um Arzneimittelforschung und -studien zu beschleunigen. Im Investmentbanking-Bereich ist GraphRAG in der Lage, komplexe Zusammenhänge abzubilden und einen ganzheitlichen Überblick über Unternehmensanmeldungen zu bieten, was Due-Diligence-Teams dabei hilft, Erkenntnisse — wie regulatorische Rechte und Wettbewerbsdynamiken — bei RAG zu gewinnen, die sonst nicht ohne weiteres ersichtlich sind.

Erste Schritte

Es gibt viele Möglichkeiten, um loszulegen, darunter: