Ana İçeriğe Atla

Amazon Neptune

Neden grafikler?

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 alakalı bilgiler sağlamak için uygun maliyetli bir seçenektir.

Grafik 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 üst seviyeye taşıyor. GraphRAG bunu, RAG uygulamalarına girdi olarak en alakalı verileri sağlamak için belge parçaları ile bölümler veya başlıklar gibi, verilerdeki varlıklar veya yapısal ögeler arasındaki ilişkilerden yararlanarak başarır. Bu yaklaşım, alakalı varlıklar veya konular arasında çok noktalı bağlantılar oluşturarak bu gerçekleri üretken bir yanıtı artırmak için kullanabilir.

Amazon Neptune kabiliyetleri

1. GraphRAG

Amazon, GraphRAG uygulamaları oluşturmak ve çalıştırmak için tam olarak yönetilen ve kullanıcının kendi yönettiği seçenekler sağlar.

  • Tamamen yönetilen: Amazon Bedrock Bilgi Tabanları, dünyanın ilk tam olarak yönetilen GraphRAG kabiliyetlerinden birini sunar. Grafiklerin ve katıştırmaların oluşturulmasını ve sürdürülmesini otomatik olarak yönetir ve müşterilerin son kullanıcılara daha alakalı yanıtlar vermesini sağlar. Bu kabiliyet sayesinde, parçalara ayırma stratejilerinin oluşturulması veya büyük dil modelleriyle ve vektör depolarıyla karmaşık RAG entegrasyonları dahil olmak üzere derin grafik uzmanlığına ihtiyaç duymak zorunda kalmazsınız.
  • Kullanıcının kendi yönettiği: Barındırma görevini kendiniz üstlenmek veya özel veri kaynaklarına/üçüncü taraf ürünlerine (altyapı modelleri, vektör depoları, veri depoları) bağlanmak istiyorsanız iki seçeneğiniz vardır.
    • AWS GraphRAG Python araç seti: Yeni açık kaynaklı GraphRAG araç seti, güncel altyapı ve grafik modellerini destekler. Yapılandırılmamış verilerden bir grafiğin oluşturulmasını otomatikleştirmek ve kullanıcı sorularını yanıtlarken bu grafiği sorgulamak için bir çerçeve sağlar.
    • Açık kaynaklı çerçeveler: Neptune, hem LangChain hem de LlamaIndex ile entegre olarak GraphRAG uygulamalarının oluşturulmasını basitleştirir. Bu, Amazon Bedrock'ta bulunanlar gibi çeşitli büyük dil modelleriyle uygulamalar oluşturmayı kolaylaştırır. AWS, bu popüler açık kaynaklı projelerin her ikisini de destekler ve bunlara katkıda bulunur.
open source GraphRAG toolkit

2. Makine öğrenimi

  • Neptune Makine Öğrenimi (ML): Neptune ML, grafik verileriniz üzerinde otomatik olarak makine öğrenimi modelleri oluşturur, eğitir ve uygular. İş yükünüze en uygun makine öğrenimi modelini otomatik olarak seçmek ve eğitmek için Deep Graph Library'yi (DGL) kullanması sayesinde, grafik verileri üzerinde birkaç hafta yerine sadece birkaç saatte makine öğrenimine dayalı tahminler yapabilirsiniz.
  • Grafikler için doğal dil sorgusu oluşturma: Gremlin veya Cypher gibi sorgu dillerine aşina değilseniz NeptuneOpenCypherQAChain ile Neptune entegrasyonu, Neptune grafik veri tabanınızı doğal dil kullanarak sorgulamanıza olanak tanır. Örneğin, İngilizce soruları openCypher sorgularına çevirebilir ve insanlar tarafından okunabilen bir yanıt döndürebilirsiniz. Bu zincir, "ABD'de en uzun ve en kısa uçuşların başlangıç noktası olan havalimanı hangisidir?" gibi soruları yanıtlamak için kullanılabilir.
DGL

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 üretmek 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.

Kullanmaya başlama

Kullanmaya başlamanın birçok yolu vardır: