a11y-skip-to-main-content

Amazon Neptune

AI generatif dan machine learning

Mengapa grafik?

Saat organisasi membangun dan men- deploy aplikasi kecerdasan buatan (AI) generatif, ekspektasi mereka terhadap akurasi, kelengkapan, dan keterjelasan makin meningkat. Menyediakan konteks khusus perusahaan dan domain melalui teknik seperti Retrieval Augmented Generation (RAG) dapat membantu sampai batas tertentu. RAG menawarkan pendekatan yang hemat biaya untuk menyediakan informasi terkini dan relevan bagi AI generatif sekaligus mempertahankan kontrol dan tata kelola data.

Graph Retrieval Augmented Generation (GraphRAG) membawa RAG ke tingkat berikutnya dengan memanfaatkan kekuatan analitik grafik dan pencarian vektor untuk meningkatkan akurasi, kelengkapan, dan keterjelasan respons AI. GraphRAG mencapai hal tersebut dengan memanfaatkan hubungan antara entitas atau elemen struktural dalam data, seperti bagian atau judul dengan potongan dokumen, untuk menyediakan data yang paling relevan sebagai input ke aplikasi RAG. GraphRAG dapat membuat koneksi multi-hop di antara entitas atau topik terkait dan menggunakan fakta-fakta ini untuk menambah respons generatif.

Kemampuan Amazon Neptune

1. GraphRAG

Amazon menyediakan opsi yang terkelola sepenuhnya dan dikelola sendiri untuk membuat serta menjalankan aplikasi GraphRAG.

  • Terkelola sepenuhnya: Basis Pengetahuan Amazon Bedrock menawarkan salah satu kemampuan GraphRAG terkelola sepenuhnya pertama di dunia. Layanan tersebut secara otomatis mengelola pembuatan dan pemeliharaan grafik serta sematan, sehingga pelanggan dapat memberikan respons yang lebih relevan kepada pengguna akhir. Dengan kemampuan ini, Anda tidak akan membutuhkan keahlian grafik yang mendalam, termasuk pembuatan strategi pemotongan atau integrasi RAG yang kompleks dengan LLM dan penyimpanan vektor.
  • Dikelola sendiri: Jika Anda ingin meng-hosting sendiri atau terhubung ke sumber data kustom/produk pihak ketiga (model fondasi, penyimpanan vektor, penyimpanan data), Anda memiliki dua pilihan.
    • Kit alat AWS GraphRAG Python: Kit alat GraphRAG sumber terbuka baru mendukung model fondasi dan grafik terbaru. Kit alat menyediakan kerangka kerja untuk mengotomatisasi konstruksi grafik dari data tidak terstruktur, dan untuk mengueri grafik ini saat menjawab pertanyaan pengguna.
    • Kerangka kerja sumber terbuka: Neptune menyederhanakan pembuatan aplikasi GraphRAG dengan berintegrasi dengan LangChain dan LlamaIndex. Hal ini memudahkan pembangunan aplikasi dengan LLM seperti yang tersedia di Amazon Bedrock. AWS mendukung dan berkontribusi pada kedua proyek sumber terbuka populer ini.
kit alat GraphRag sumber terbuka

2. Machine learning

  • Neptune Machine Learning (ML): Neptune ML membuat, melatih, dan menerapkan model ML secara otomatis pada data grafik Anda. Layanan tersebut menggunakan Deep Graph Library (DGL) untuk memilih dan melatih model ML terbaik secara otomatis untuk beban kerja agar Anda dapat membuat prediksi berbasis ML pada data grafik dalam hitungan jam alih-alih berminggu-minggu.
  • Pembuatan kueri bahasa alami untuk grafik: Jika Anda tidak terbiasa dengan bahasa kueri seperti Gremlin atau Cypher, integrasi Neptune dengan NeptuneOpenCypherQAChain memungkinkan Anda untuk menanyakan basis data grafik Neptune Anda dengan menggunakan bahasa alami. Misalnya, Anda dapat menerjemahkan pertanyaan bahasa Inggris ke dalam kueri openCypher dan menghasilkan respons yang dapat dibaca manusia. Rantai ini dapat digunakan untuk menjawab pertanyaan seperti "Bandara AS mana yang memiliki rute keluar terpanjang dan terpendek?".
DGL

Kasus penggunaan

    GraphRAG dapat digunakan untuk meningkatkan meja layanan TI dan pusat kontak. Misalnya, GraphRAG dapat memungkinkan tim Security Operations Center (SOC) untuk menafsirkan peringatan secara lebih akurat untuk membantu mengamankan sistem penting. Chatbot dukungan anggota layanan kesehatan dapat dengan cepat menemukan informasi relevan dari sejumlah besar literatur medis untuk menjawab pertanyaan rumit tentang gejala, perawatan, dan hasil pasien.

    Aplikasi GraphRAG dapat memberikan wawasan mendalam bagi tim dalam fungsi perusahaan seperti perencanaan keuangan & akuntansi (FP&A), pemasaran, hukum, SDM, dll. Misalnya, tim hukum perusahaan dapat lebih efektif menemukan informasi tentang undang-undang perpajakan, peraturan, dan preseden kasus untuk mengembangkan ide strategi kasus. Tim pemasaran dapat membuat tampilan 360 derajat pelanggan berdasarkan koneksi sosial dan riwayat pembelian calon pelanggan.

    Perusahaan di berbagai industri mendapat manfaat dari GraphRAG. Misalnya, dalam industri farmasi, tim R&D dapat menggunakan GraphRAG untuk mempercepat penelitian dan uji coba obat. Dalam ruang perbankan investasi, kemampuan GraphRAG untuk memetakan hubungan yang kompleks dan memberikan pandangan holistik atas pengajuan perusahaan, membantu tim uji tuntas untuk mengungkap wawasan - seperti hak regulasi dan dinamika kompetitif - dengan RAG yang biasanya tidak mudah terlihat.

Memulai

Ada banyak cara untuk memulai, termasuk: