ホームページ > 記事 > テクノロジー周辺機器 > TigerGraph CoPilot がグラフ拡張 AI を実装する方法
AIGC について詳しく知りたい場合は、
51CTO AI を参照してください。TigerGraph CoPilot の主な機能、利点、および 2 つの主要な使用例が詳しく紹介されています。
近年、データは生産要素として、さまざまな業界にわたって変革をもたらすビジネスの洞察を私たちに提供してくれるようになりました。しかし、利用可能なビッグデータをどのように活用するかは、しばしば大きな課題をもたらします。一方ではデータが過負荷になっており、他方では十分に活用されていないデータアイランドが多数存在します。多くのプロのデータ サイエンティストやアナリストは、組織がパフォーマンスや運用効率を犠牲にすることなく、増え続けるデータをタイムリーに処理し、複雑なデータから表面の下に隠されている洞察を抽出できるようにするための専門知識を緊急に必要としています。 。
人工知能 (AI) による自然言語処理における最近の進歩により、データに一元的にアクセスする方法が変わりました。大規模なデータをリアルタイムで処理および分析する AI CoPilot の機能を最大限に活用することで、より多くのユーザーが複雑なデータ セットを簡単にクエリおよび解析できるようになり、組織が情報に基づいた迅速な意思決定を下せるようになります。同時に、人工知能 CoPilot は、複雑なデータプロセスを自動化し、技術担当者が詳細なデータ分析を実行できるようにすることで、大規模なデータセットの高コストを管理および制御し、それによってリソースの全体的な割り当てを最適化することもできます。
AI および自然言語モデルの生成 (LLM に疑いの余地がないわけではありません。ほとんどの LLM は一般的な知識に基づいて構築されているため、機密データはもちろん、特定の組織の特定のデータを知ることもできません。 LLM が変化する情報世界を理解できないこと、もう 1 つのより深刻な問題は「幻想」です。つまり、統計プロセスで生成モデルによって生成される結論は単なる希望的観測であり、まったく真実ではない可能性があります。
TigerGraph CoPilot の概要
TigerGraph では、予測分析と機械学習のプロセスにおいてビジネス上の意思決定の精度を直接向上させることができる高品質のデータを提供する、よりコンテキストに即した、エラーの発生しにくい AI が緊急に必要であると考えられています。 CoPilot: TigerGraph CoPilot は、グラフ データベースと生成 AI 機能を組み合わせて、さまざまなビジネス タスクの分析、開発、管理の生産性を向上させる AI 支援ツールです。 - 大規模なデータに対してクエリを実行し、自然言語、グラフ視覚化、その他の観点から提示および分析されたデータの洞察を取得します
TigerGraph CoPilot は、精度を向上させ、幻覚を軽減することで、上記の AI の欠点に対処できます。顧客サービス、マーケティング、製品販売、データ サイエンス、開発、エンジニアリングなどの分野で情報に基づいた意思決定を推進し、生成 AI アプリケーションの価値を真に実証します
最初の段階では、TigerGraph CoPilot は、データベース内で利用可能な特定のデータと照合します。 LLM を使用して問題のスキーマをグラフと比較し、問題内のエンティティをグラフ要素に置き換えます。たとえば、BareMetalNode タイプの頂点があり、ユーザーが「サーバーは何台ありますか?」と尋ねるとします。質問は「BareMetalNode の頂点はいくつありますか?」に変換されます。第 2 段階では、TigerGraph CoPilot は LLM を使用して、変換された質問を慎重に計画された一連のデータベース クエリおよび関数と比較し、最も一致するものを選択します。事前承認されたクエリを使用すると、通常、次の 2 つの利点があります:
まず、各クエリの意味と動作が検証されるため、幻覚の可能性が効果的に低減されます。TigerGraph CoPilot は、既存のグラフ データベースを必要とせず、ユーザー自身のドキュメントやデータに基づいてグラフ強化 AI を備えたチャットボットを作成できます。この動作モードでは、TigerGraph CoPilot はリソース マテリアルからナレッジ グラフを構築し、独自の検索拡張生成 (RAG) のバリアントを適用して、自然言語の質問に対する文脈の関連性と回答の精度を向上させます。
まず、ユーザードキュメントをロードすると、TigerGraph CoPilot はドキュメントチャンクからエンティティと関係を抽出し、ドキュメントからナレッジグラフを構築します。ナレッジ グラフでは、多くの場合、リレーションシップを通じてデータ ポイントを接続し、情報を構造化された形式で整理します。同時に、CoPilot は概念を特定し、オントロジーを構築し、ナレッジ グラフにセマンティクスと推論を追加します。もちろん、ユーザーは独自の概念オントロジーを提供することもできます。
その後、この包括的なナレッジ グラフを使用して、CoPilot はハイブリッド検索を実行します。つまり、従来のベクトル検索とグラフ トラバーサルを組み合わせて、ユーザーのさまざまな質問に答えるために、より関連性の高い情報とより豊富なコンテキストを収集します。
データをナレッジ グラフに整理することで、チャットボットは正確な事実ベースの情報に迅速かつ効率的にアクセスできるようになり、応答を生成するためのトレーニング プロセスに基づく学習パターンへの依存が軽減されます。結局のところ、そのようなモデルは時々不正確であったり、時代遅れであったりする可能性があります。
前述したように、TigerGraph CoPilot は、LLM がグラフ データベースにアクセスするためのクエリを管理できるようにすることで幻覚を軽減します。同時に、すでに TigerGraph データベースの一部となっているのと同じロールベースのアクセス制御とセキュリティ対策を適用することで、責任ある AI を保証します。さらに、TigerGraph CoPilot は、主要コンポーネントを公開し、ユーザーが LLM サービスを選択できるようにすることで、オープン性と透明性を維持します。
高いパフォーマンスと拡張性
TigerGraph データベースを活用することで、TigerGraph CoPilot はグラフ分析に高いパフォーマンスを提供します。グラフベースの RAG ソリューションとして、ナレッジ グラフ主導の質問応答のための大規模でスケーラブルなナレッジ ベースも提供します。
TigerGraph CoPilotの主な使用例
ビジネスアナリスト、データ専門家、調査員のいずれであっても、TigerGraph CoPilotにはすべてが備わっていますデータから情報と洞察をすぐに得ることができます。たとえば、CoPilot は、「最近の誤検知詐欺事件のリストを見せてください」などの質問に答えることで、詐欺調査員に関連するレポートを生成できます。同時に、CoPilot は、「先月 123 のアカウントで 1,000 ドルを超える取引を行ったのは誰ですか?」など、より正確な調査も容易にすることができます。
TigerGraph CoPilot は、依存関係に沿ってグラフをトラバースして、次のような質問に答えることもできます。 「もしも?」としてたとえば、サプライ チェーン図から「どのサプライヤーがパーツ 123 の不足を補うことができますか?」、またはデジタル インフラストラクチャ図から「どのサービスがサーバー 321 のアップグレードによって影響を受けますか?」を簡単に見つけることができます
TigerGraph CoPilot は、ユーザーのデータやドキュメントに対する Q&A チャットボットを構築する際に、ナレッジ グラフの RAG メソッドに基づいてコンテキスト情報を正確に取得し、より適切な回答とより多くの情報に基づいた意思決定を行うことができます。 CoPilot が提供する豊富な Q&A は、一般的な Q&A アプリケーション (コールセンター、カスタマー サービス、ナレッジ検索、その他のシナリオなど) の生産性を直接向上させ、構築コストを削減すると言えます。
さらに、TigerGraph CoPilot は、ドキュメント ナレッジ グラフと既存のビジネス グラフ (製品グラフなど) をスマート グラフに統合することにより、他の RAG ソリューションでは対処できない問題を解決できます。たとえば、CoPilot は、顧客の購入履歴と製品チャートを組み合わせることで、顧客が検索クエリを入力したり、推奨事項を要求したりしたときに、より正確でパーソナライズされた推奨事項を作成できます。典型的なシナリオは次のとおりです。 患者の病歴と健康チャートを組み合わせることで、医師または医療専門家は患者に関するより実用的な情報を入手して、より適切な診断や治療を提供できます。
要約すると、他の商用 LLM アプリケーションと比較して、TigerGraph CoPilot は複雑なデータ管理と関連分析の課題を解決します。自然言語処理と高度なアルゴリズムの強力な機能を通じて、組織はデータ過負荷を克服し、最適ではないデータ アクセスに対応する際に、ビジネス上の膨大な洞察を得ることができます。同時に、グラフベースの RAG を利用することで、LLM 出力の精度と関連性も確保できます。
CoPilot を使用すると、幅広いユーザーがデータを効果的に活用し、情報に基づいた意思決定を行い、組織全体のリソース割り当てを最適化できるようになります。これは、データへのアクセスを民主化し、組織がデータ資産の可能性を最大限に活用できるようにするための重要な前進であると私たちは信じています。
Julian Chen は、51CTO コミュニティ編集者であり、IT プロジェクトの実装において 10 年以上の経験があり、社内外のリソースとリスクの管理と制御に優れており、ネットワークと情報セキュリティの知識と経験の普及に注力しています。 。
原題: How TigerGraph CoPilot Enables chart-augmented AI、著者: Hamid Azzawe
リンク: https://www.infoworld.com/article/3715344/how-tigergraph-copilot-enables-graph-augmented-ai.html 。
AIGC について詳しくは、こちらをご覧ください:
51CTO AI.x コミュニティ
https://www.51cto.com/aigc/
以上がTigerGraph CoPilot がグラフ拡張 AI を実装する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。