TigerGraph CoPilot이 그래프 강화 AI를 구현하는 방법

AIGC에 대해 더 알고 싶다면

51CTO AI를 방문하세요. TigerGraph CoPilot의 주요 기능과 장점, 두 가지 주요 사용 사례가 자세히 소개됩니다.

최근 몇 년 동안 데이터는 생산 요소로서 다양한 산업 전반에 걸쳐 혁신적인 비즈니스 통찰력을 제공할 수 있었습니다. 그러나 이용 가능한 빅데이터를 어떻게 효과적으로 활용하는가는 종종 우리에게 상당한 과제를 안겨줍니다. 한편으로는 데이터의 과부하가 있고, 다른 한편으로는 활용도가 낮은 데이터 섬이 많이 있습니다. 많은 전문 데이터 과학자와 분석가는 조직이 성능과 운영 효율성을 희생하지 않고 지속적으로 증가하는 데이터를 적시에 처리하고 복잡한 데이터에서 표면 아래 숨겨진 정보를 추출할 수 있도록 전문 지식이 절실히 필요합니다. .

최근 인공 지능(AI)을 통한 자연어 처리의 획기적인 발전으로 인해 중앙에서 데이터에 액세스하는 방식이 바뀌었습니다. 대규모 데이터를 실시간으로 처리하고 분석하는 AI CoPilot의 기능을 최대한 활용하면 더 많은 사용자가 복잡한 데이터 세트를 쉽게 쿼리하고 구문 분석할 수 있으며, 이는 결과적으로 조직이 정보에 입각한 결정을 신속하게 내리는 데 도움이 됩니다. 동시에 인공지능 CoPilot은 복잡한 데이터 프로세스를 자동화하고 기술 인력이 심층적인 데이터 분석을 수행할 수 있도록 지원하여 전체 리소스 할당을 최적화함으로써 대규모 데이터 세트의 높은 비용을 관리 및 제어할 수도 있습니다.

AI 및 자연어 모델 생성(LLM은 의심의 여지가 없습니다. 대부분의 LLM은 공통된 공개 지식을 기반으로 구축되었으므로 기밀 데이터는 물론 특정 조직의 특정 데이터를 알 수 없습니다. 동시에 LLM이 변화하는 정보 세계를 이해하지 못하는 것, 또 다른 더 심각한 문제는 "환상"입니다. 즉, 통계 과정에서 생성 모델이 생성한 결론은 단지 희망사항일 뿐 전혀 사실이 아닐 수도 있습니다. 예측 분석 및 기계 학습 과정에서 비즈니스 의사 결정의 정확성을 직접적으로 향상시킬 수 있는 고품질 데이터를 제공하기 위해 보다 상황에 맞고 오류 가능성이 낮은 AI가 시급히 필요하다고 생각했습니다.

TigerGraph CoPilot 소개

TigerGraph CoPilot. TigerGraph CoPilot은 그래프 데이터베이스와 생성 AI 기능을 결합하여 다양한 비즈니스 작업을 분석, 개발 및 관리하는 데 있어 생산성을 향상시키는 AI 지원 도구입니다. TigerGraph CoPilot을 사용하면 비즈니스 분석가, 데이터 과학자 및 개발자가 자연어를 사용할 수 있습니다. -대규모 데이터에 대한 시간 쿼리를 통해 자연어, 그래프 시각화 및 기타 관점에서 제시되고 분석된 데이터 통찰력을 얻습니다.

TigerGraph CoPilot은 정확도를 높이고 환각을 줄여 위에서 언급한 AI 단점을 해결할 수 있습니다. 귀하의 조직을 위해 고객 서비스, 마케팅, 제품 판매, 데이터 과학, 개발 및 엔지니어링과 같은 분야에서 정보에 기반한 결정을 내리며 생성 AI 애플리케이션의 가치를 실제로 입증합니다.

TigerGraph CoPilot의 주요 기능 및 이점

... TigerGraph CoPilot은 다음을 허용합니다. 기술에 익숙하지 않은 사용자는 일상적인 의사소통 언어를 사용하여 데이터를 쿼리하고 분석할 수 있으므로 새로운 기술이나 컴퓨터 언어를 배우지 않고도 통찰력을 찾는 데 더 집중할 수 있습니다. CoPilot은 모든 사용자 문제에 대해 새로운 접근 방식을 채택합니다. 정확하고 관련성 있는 답변을 얻기 위해 TigerGraph 데이터베이스 및 사용자가 선택한 LLM과 동시에 상호 작용하는 접근 방식(아래). 구체적으로 말하면 TigerGraph CoPilot은 질문을 데이터베이스에서 사용할 수 있는 특정 데이터와 연결합니다. LLM을 사용하여 문제의 스키마를 그래프와 비교하고 문제의 엔터티를 그래프 요소로 바꿉니다. 예를 들어 BareMetalNode 유형의 정점이 있고 사용자가 "서버가 몇 개 있습니까?"라고 묻는 경우 질문은 "BareMetalNode 정점이 몇 개 있습니까?"로 변환됩니다.

두 번째 단계에서 TigerGraph CoPilot은 LLM을 사용하여 변환된 질문을 신중하게 계획된 데이터베이스 쿼리 및 함수 세트와 비교하여 가장 일치하는 항목을 선택합니다. 사전 승인된 쿼리를 사용하면 일반적으로 두 가지 이점이 있습니다.

첫째, 각 쿼리의 의미와 동작이 검증을 거치기 때문에 환각 가능성을 효과적으로 줄일 수 있습니다.

두 번째로, 시스템은 질문에 답하기 위해 호출될 실행 리소스를 예측할 수 있는 잠재력을 가지고 있습니다.
• 세 번째 단계에서 TigerGraph CoPilot은 식별된 쿼리를 실행하고 관련 결과를 그 이유와 함께 자연어로 반환합니다. 동시에 CoPilot의 그래프 강화 자연어 쿼리는 모델 착각의 위험을 줄일 수 있을 뿐만 아니라 각 쿼리의 의미를 명확하게 하고 결과에 대한 이해를 제공할 수 있는 좋은 장벽을 제공합니다.

• 그래프 향상을 위한 생성 AI

  TigerGraph CoPilot은 기존 그래프 데이터베이스 없이도 사용자 자신의 문서와 데이터를 기반으로 그래프 향상 AI로 챗봇을 만들 수 있습니다. 이 작동 모드에서 TigerGraph CoPilot은 리소스 자료에서 지식 그래프를 구축하고 고유한 RAG(검색 증강 생성)의 변형을 적용하여 문맥 관련성과 자연어 질문에 대한 답변의 정확성을 향상시킵니다.

  먼저, TigerGraph CoPilot은 사용자 문서를 로드할 때 문서 청크에서 엔터티와 관계를 추출하고 문서에서 지식 그래프를 구성합니다. 지식 그래프는 관계를 통해 데이터 포인트를 연결하고 구조화된 형식으로 정보를 구성하는 경우가 많습니다. 동시에 CoPilot은 개념을 식별하고, 온톨로지를 구축하며, 지식 그래프에 의미론과 추론을 추가합니다. 물론 사용자는 자신만의 컨셉 온톨로지를 제공할 수도 있습니다.

  그런 다음 CoPilot은 이 포괄적인 지식 그래프를 사용하여 하이브리드 검색을 수행합니다. 즉, 기존 벡터 검색과 그래프 순회를 결합하여 사용자의 다양한 질문에 답하기 위해 보다 관련성이 높은 정보와 풍부한 컨텍스트를 수집합니다.

  데이터를 지식 그래프로 구성함으로써 챗봇은 정확한 사실 기반 정보에 빠르고 효율적으로 접근할 수 있으므로 응답 생성을 위한 훈련 프로세스 기반 학습 패턴에 대한 의존도가 줄어듭니다. 결국, 그러한 모델은 때때로 부정확하거나 심지어 구식일 수도 있습니다.

  

  신뢰할 수 있고 책임감 있는 AI

  앞서 언급했듯이 TigerGraph CoPilot은 LLM이 그래프 데이터베이스에 액세스하는 쿼리를 관리할 수 있도록 하여 환각을 완화합니다. 동시에 TigerGraph 데이터베이스의 일부인 동일한 역할 기반 액세스 제어 및 보안 조치를 적용하여 책임 있는 AI를 보장합니다. 또한 TigerGraph CoPilot은 주요 구성 요소를 공개하고 사용자가 LLM 서비스를 선택할 수 있도록 함으로써 개방성과 투명성을 유지합니다.

  고성능 및 확장성

  TigerGraph CoPilot은 TigerGraph 데이터베이스를 활용하여 그래프 분석에 높은 성능을 제공합니다. 그래프 기반 RAG 솔루션으로 지식 그래프 기반 질문 답변을 위한 대규모 확장 가능한 지식 기반도 제공합니다.

  TigerGraph CoPilot 주요 사용 사례

  • 자연어에서 데이터 통찰까지
  • 유익한 Q&A

  자연어에서 데이터 통찰까지

  귀하가 비즈니스 분석가, 데이터 전문가, 조사관이든 TigerGraph CoPilot은 모든 것을 갖추고 있습니다. 데이터에서 신속하게 정보와 통찰력을 얻을 수 있습니다. 예를 들어 CoPilot은 "최근 오탐지 사기 사례 목록을 보여주세요."와 같은 질문에 답하여 사기 조사관을 위한 관련 보고서를 생성할 수 있습니다. 동시에 CoPilot은 다음과 같은 보다 정확한 조사를 촉진할 수도 있습니다. "지난 달에 123개의 계정으로 $1,000 이상의 거래를 한 사람은 누구입니까?"

  TigerGraph CoPilot은 종속성을 따라 그래프를 탐색하여 다음과 같은 질문에 답할 수도 있습니다. "만약에?" 예를 들어, 공급망 다이어그램 "어떤 공급업체가 부품 123의 부족을 메울 수 있나요?" 또는 "어떤 서비스가 서버 321 업그레이드의 영향을 받게 되나요?"에서 쉽게 확인할 수 있습니다. TigerGraph CoPilot은 사용자의 데이터 및 문서에 대한 Q&A 챗봇을 구축할 때 RAG 방식의 지식 그래프를 기반으로 상황별 정보를 정확하게 검색하여 더 나은 답변과 정보에 입각한 결정을 내릴 수 있습니다. CoPilot이 제공하는 풍부한 Q&A는 일반적인 Q&A 애플리케이션(예: 콜센터, 고객 서비스, 지식 검색 및 기타 시나리오)의 생산성을 직접적으로 향상시키고 건설 비용을 절감한다고 할 수 있습니다.

  또한 문서 지식 그래프와 기존 비즈니스 그래프(제품 그래프 등)를 스마트 그래프로 병합함으로써 TigerGraph CoPilot은 다른 RAG 솔루션이 처리할 수 없는 문제를 해결할 수 있습니다. 예를 들어 CoPilot은 고객의 구매 내역을 제품 차트와 결합하여 고객이 검색어를 입력하거나 추천을 요청할 때 더욱 정확하고 개인화된 추천을 제공할 수 있습니다. 일반적인 시나리오는 다음과 같습니다. 환자의 병력을 건강 차트와 결합함으로써 의사나 의료 전문가는 환자에 대한 보다 실용적인 정보를 얻어 더 나은 진단이나 치료를 제공할 수 있습니다.

  요약

  요약하자면 다른 상업용 LLM 애플리케이션과 비교하여 TigerGraph CoPilot은 복잡한 데이터 관리 및 관련 분석 문제를 해결합니다. 자연어 처리 및 고급 알고리즘의 강력한 기능을 통해 조직은 데이터 과부하를 극복하고 최적이 아닌 데이터 액세스에 대응하는 데 있어 엄청난 비즈니스 통찰력을 얻을 수 있습니다. 동시에 그래프 기반 RAG를 활용하여 LLM 출력의 정확성과 관련성을 보장할 수도 있습니다.

  CoPilot을 사용하면 더 넓은 범위의 사용자가 데이터를 효과적으로 활용하고, 정보에 입각한 결정을 내리고, 조직 전체에서 리소스 할당을 최적화할 수 있습니다. 우리는 이것이 데이터에 대한 액세스를 민주화하고 조직이 데이터 자산의 잠재력을 최대한 활용할 수 있도록 지원하는 데 있어 중요한 진전이라고 믿습니다.

  번역가 소개

  51CTO 커뮤니티 편집자인 Julian Chen은 IT 프로젝트 구현 분야에서 10년 이상의 경험을 갖고 있으며, 내부 및 외부 리소스와 위험을 관리하고 제어하는 ​​데 능숙하며 네트워크 및 정보 보안 지식과 경험을 전파하는 데 중점을 둡니다. .

  원제: TigerGraph CoPilot이 그래프 증강 AI를 구현하는 방법, 저자: Hamid Azzawe

  링크: https://www.infoworld.com/article/3715344/how-tigergraph-copilot-enables-graph-augmented-ai.html .

  AIGC에 대해 자세히 알아보려면 다음을 방문하세요.

  51CTO AI.x 커뮤니티

  https://www.51cto.com/aigc/

위 내용은 TigerGraph CoPilot이 그래프 강화 AI를 구현하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!