Passa al contenuto principale

Amazon Neptune

Perché utilizzare i grafi?

Man mano che le organizzazioni creano e implementano applicazioni di intelligenza artificiale (IA) generativa, le loro aspettative in termini di precisione, completezza e spiegabilità aumentano. Fornire un contesto aziendale e specifico del dominio attraverso tecniche come la generazione potenziata tramite recupero (RAG) può aiutare in una certa misura; la RAG è efficiente in termini di costi nel fornire informazioni attuali e pertinenti per l'IA generativa, mantenendo al contempo la governance e il controllo dei dati.

La generazione potenziata tramite recupero grafica (GraphRAG) porta la RAG a un livello superiore sfruttando la potenza dell'analisi grafica e della ricerca vettoriale per migliorare l'accuratezza, la completezza e la spiegabilità delle risposte dell'IA. La GraphRAG ottiene questo risultato sfruttando le relazioni tra entità o elementi strutturali nei dati, come sezioni o titoli con blocchi di documenti, per fornire i dati più rilevanti come input per le applicazioni RAG. Può creare connessioni multi-hop tra entità o argomenti correlati e utilizzare questi fatti per arricchire una risposta generativa.

Funzionalità di Amazon Neptune

1

GraphRAG

Amazon offre opzioni completamente gestite e autogestite per la creazione e l'esecuzione di applicazioni GraphRAG.

  • Completamente gestita: le Knowledge Base di Amazon Bedrock offrono una delle prime funzionalità GraphRag completamente gestite al mondo. Gestisce automaticamente la creazione e la manutenzione di grafici e embedding, consentendo ai clienti di fornire risposte più pertinenti agli utenti finali. Con questa funzionalità, eviti la necessità di disporre di competenze approfondite nei grafici, inclusa la creazione di strategie di chunking o complesse integrazioni RAG con LLM e archivi vettoriali.
  • Autogestito: se stai cercando di ospitare autonomamente o connetterti a fonti di dati personalizzate/prodotti di terze parti (modelli di base, archivi vettoriali, archivi dati), hai due scelte.
    • Toolkit AWS GraphRag Python: il nuovo toolkit open source GraphRag supporta modelli di base e grafici aggiornati . Fornisce un framework per automatizzare la costruzione di un grafico a partire da dati non strutturati e per interrogarlo in risposta alle domande degli utenti.
    • Framework open source: Neptune semplifica la creazione di applicazioni GraphRag integrandosi con LangChain e LlamaIndex. Ciò semplifica la creazione di applicazioni con LLM come quelle disponibili in Amazon Bedrock. AWS supporta e contribuisce a entrambi questi popolari progetti open source.
toolkit GraphRag open source

2

Machine learning

  • Neptune Machine Learning (ML): Neptune ML crea, addestra e applica automaticamente modelli ML sui dati del grafico. Utilizza la Deep Graph Library (DGL) per scegliere e addestrare automaticamente il modello ML migliore per il tuo carico di lavoro in modo da poter fare previsioni basate sul ML sui dati del grafico in ore anziché settimane.
  • Generazione di query in linguaggio naturale per grafici: se non hai familiarità con linguaggi di interrogazione come Gremlin o Cypher, l'integrazione di Neptune con NeptuneOpenCypherQAchain ti consente di interrogare il tuo database di grafi Neptune utilizzando il linguaggio naturale. Ad esempio, puoi tradurre le domande in inglese in domande openCypher e restituire una risposta leggibile dall'uomo. Questa catena può essere utilizzata per rispondere a domande come «Quale aeroporto degli Stati Uniti ha le rotte in uscita più lunghe e più brevi? ».
DGL

Casi d'uso

GraphRag può essere utilizzato per migliorare il service desk IT e il contact center. Ad esempio, GraphRag può consentire ai team del Security Operations Center (SOC) di interpretare gli avvisi in modo più accurato per aiutare a proteggere i sistemi critici. Un chatbot di assistenza per i membri del settore sanitario può trovare velocemente informazioni rilevanti in grandi volumi di letteratura medica per rispondere a domande complesse su sintomi, terapie e risultati dei pazienti.

Le applicazioni GraphRAG possono offrire informazioni approfondite a team in funzioni aziendali come pianificazione finanziaria e contabilità (FP&A), marketing, ufficio legale, risorse umane, ecc. Ad esempio, i team legali aziendali possono trovare in modo più efficace informazioni su leggi fiscali, regolamenti e casi precedenti per ideare strategie sui casi. I team di marketing possono creare visualizzazioni a 360 gradi dei clienti in base alle connessioni social e alla cronologia degli acquisti di un potenziale cliente.

Le aziende di tutti i settori beneficiano di GraphRAG. Ad esempio, nell'industria farmaceutica, i team di ricerca e sviluppo possono utilizzare GraphRag per accelerare la ricerca e le sperimentazioni sui farmaci. Nel settore dell'investment banking, la capacità di GraphRAG di mappare relazioni complesse e fornire una visione olistica dei documenti aziendali, il che aiuta i team di due diligence a scoprire informazioni, come i diritti normativi e le dinamiche competitive, con RAG che altrimenti non sarebbero immediatamente evidenti.

Nozioni di base

Esistono molti modi per iniziare, come i seguenti: