Comment TigerGraph CoPilot implémente l'IA améliorée par les graphiques

Si vous souhaitez en savoir plus sur AIGC, veuillez visiter :

51CTO AI Les principales fonctions, avantages et deux cas d'utilisation clés de TigerGraph CoPilot sont présentés en détail.

Ces dernières années, les données, en tant que facteur de production, ont pu nous fournir des informations commerciales transformatrices dans différents secteurs. Cependant, comment faire bon usage des mégadonnées disponibles nous pose souvent des défis considérables. D’un côté, il y a une surcharge de données, et de l’autre, un grand nombre d’îlots de données sous-utilisés. De nombreux data scientists et analystes professionnels ont un besoin urgent de connaissances professionnelles pour permettre à leurs organisations de traiter la croissance continue des données en temps opportun sans sacrifier les performances et l'efficacité opérationnelle, et d'extraire des données complexes ce qui se cache sous la surface. connaissances.

Les avancées récentes dans le traitement du langage naturel avec l'intelligence artificielle (IA) ont changé la manière dont les données sont accessibles de manière centralisée. En tirant pleinement parti de la capacité d'AI CoPilot à traiter et analyser des données à grande échelle en temps réel, davantage d'utilisateurs peuvent facilement interroger et analyser des ensembles de données complexes, ce qui aide les organisations à prendre rapidement des décisions éclairées. Dans le même temps, l'intelligence artificielle CoPilot peut également gérer et contrôler le coût élevé des grands ensembles de données en automatisant des processus de données complexes et en effectuant une analyse approfondie des données avec du personnel technique autorisé, optimisant ainsi l'allocation globale des ressources.

Générer des modèles d'IA et de langage naturel (les LLM ne sont pas sans doute. Étant donné que la plupart des LLM sont construits sur des connaissances publiques communes, ils ne peuvent pas connaître les données spécifiques d'une organisation spécifique, sans parler de ces données confidentielles. En même temps, en plus de l'incapacité du LLM à comprendre l'évolution du monde de l'information, un autre problème plus grave est « l'illusion ». C'est peut-être que les conclusions générées par le modèle génératif dans son processus statistique ne sont peut-être qu'un vœu pieux et ne sont pas vraies du tout. a considéré que nous avons besoin de toute urgence d'une IA plus contextuelle et moins sujette aux erreurs pour fournir des données de haute qualité qui peuvent directement améliorer la précision des décisions commerciales dans le processus d'analyse prédictive et d'apprentissage automatique

Introduction à TigerGraph CoPilot

TigerGraph. CoPilot. TigerGraph CoPilot est un outil assisté par l'IA qui combine une base de données graphique et des capacités d'IA générative pour améliorer la productivité dans l'analyse, le développement et la gestion de diverses tâches commerciales. TigerGraph CoPilot permet aux analystes commerciaux, aux scientifiques de données et aux développeurs d'utiliser le langage naturel. -des requêtes temporelles sur des données à grande échelle pour obtenir des informations sur les données présentées et analysées à partir du langage naturel, de la visualisation graphique et d'autres perspectives

TigerGraph CoPilot peut combler les lacunes de l'IA mentionnées ci-dessus en améliorant la précision et en réduisant les hallucinations. pour votre organisation et prenez des décisions éclairées dans des domaines tels que le service client, le marketing, les ventes de produits, la science des données, le développement et l'ingénierie, démontrant véritablement la valeur des applications d'IA générative

Caractéristiques et avantages clés de TigerGraph CoPilot

... TigerGraph CoPilot permet Les utilisateurs non techniques peuvent interroger et analyser des données en utilisant le langage de communication quotidien, ce qui leur permet de se concentrer davantage sur la découverte d'informations sans avoir à apprendre une nouvelle technologie ou un nouveau langage informatique. Pour chaque question de l'utilisateur, CoPilot adopte une nouvelle approche en trois étapes. approche interactive (ci-dessous) qui interagit simultanément avec la base de données TigerGraph et le LLM sélectionné par l'utilisateur pour obtenir des réponses précises et pertinentes.

Dans la première étape, TigerGraph CoPilot fait correspondre la question avec les données spécifiques disponibles dans la base de données. il utilise LLM pour comparer le schéma du problème au graphe et remplacer les entités du problème par des éléments du graphe. Par exemple, s'il existe un sommet de type BareMetalNode et que l'utilisateur demande « Combien y a-t-il de serveurs ? Ensuite, la question est convertie en « Combien de sommets BareMetalNode y a-t-il ? »

Dans la deuxième étape, TigerGraph CoPilot utilise LLM pour comparer la question convertie avec un ensemble soigneusement planifié de requêtes et de fonctions de base de données afin de sélectionner la meilleure correspondance. L'utilisation de requêtes pré-approuvées présente généralement deux avantages :

• Premièrement, puisque chaque requête subit une validation pour sa signification et son comportement, elles réduisent efficacement le risque d'hallucinations.
• Deuxièmement, le système a le potentiel de prédire les ressources d'exécution à invoquer pour répondre à la question.
• Dans la troisième étape, TigerGraph CoPilot exécutera les requêtes identifiées et renverra les résultats pertinents en langage naturel, ainsi que le raisonnement qui les sous-tend. Dans le même temps, la requête en langage naturel améliorée par graphique de CoPilot constitue une bonne barrière, qui peut non seulement réduire le risque d'illusion de modèle, mais également clarifier la signification de chaque requête et permettre une compréhension des résultats.

IA générative pour l'amélioration des graphiques

TigerGraph CoPilot peut créer des chatbots avec une IA améliorée par des graphiques basée sur les propres documents et données des utilisateurs, sans avoir besoin d'une base de données graphique existante. Dans ce mode de fonctionnement, TigerGraph CoPilot construit un graphe de connaissances à partir de ressources et applique une variante de sa génération augmentée de récupération (RAG) unique pour améliorer la pertinence contextuelle et l'exactitude des réponses aux questions en langage naturel.

Tout d'abord, lors du chargement d'un document utilisateur, TigerGraph CoPilot extrait les entités et les relations des morceaux de document et construit un graphe de connaissances à partir du document. Les graphiques de connaissances relient souvent les points de données via des relations et organisent les informations dans un format structuré. Dans le même temps, CoPilot identifiera également les concepts, construira une ontologie et ajoutera de la sémantique et du raisonnement au graphe de connaissances. Bien entendu, les utilisateurs peuvent également fournir leur propre ontologie de concepts.

Ensuite, en utilisant ce graphe de connaissances complet, CoPilot effectuera une récupération hybride, c'est-à-dire combinant la recherche vectorielle traditionnelle et le parcours graphique pour collecter des informations plus pertinentes et un contexte plus riche pour répondre aux différentes questions de l'utilisateur.

En organisant les données dans des graphiques de connaissances, les chatbots peuvent accéder rapidement et efficacement à des informations précises et fondées sur des faits, réduisant ainsi le recours aux modèles d'apprentissage basés sur le processus de formation pour générer des réponses. Après tout, ces modèles peuvent parfois être incorrects, voire obsolètes.

IA fiable et responsable

Comme mentionné précédemment, TigerGraph CoPilot atténue les hallucinations en permettant à LLM de gérer les requêtes pour accéder à la base de données graphique. Dans le même temps, il garantit une IA responsable en appliquant les mêmes mesures de contrôle d’accès et de sécurité basées sur les rôles qui font déjà partie de la base de données TigerGraph. De plus, TigerGraph CoPilot maintient l'ouverture et la transparence en ouvrant ses principaux composants et en permettant aux utilisateurs de choisir ses services LLM.

Hautes performances et évolutivité

En tirant parti de la base de données TigerGraph, TigerGraph CoPilot offre des performances élevées pour l'analyse graphique. En tant que solution RAG basée sur des graphiques, elle fournit également une base de connaissances évolutive à grande échelle pour la réponse aux questions basée sur des graphiques de connaissances.

Cas d'utilisation clés de TigerGraph CoPilot

• Du langage naturel aux informations sur les données
• Questions et réponses informatives

Du langage naturel aux informations sur les données

Que vous soyez un analyste commercial, un expert en données ou un enquêteur, TigerGraph CoPilot a tout pour plaire. vous obtenez rapidement des informations et des insights à partir de vos données. Par exemple, CoPilot peut générer des rapports pertinents pour les enquêteurs sur les fraudes en répondant à des questions telles que « Montrez-moi une liste de récents cas de fraude faussement positifs ». Dans le même temps, CoPilot peut également faciliter des enquêtes plus précises, telles que : « Qui a effectué des transactions de plus de 1 000 $ avec 123 comptes au cours du mois dernier ? »

TigerGraph CoPilot peut même parcourir le graphique le long des dépendances pour répondre à des questions telles que comme « Et si ? » Par exemple, vous pouvez facilement le découvrir à partir du schéma de la chaîne d'approvisionnement « Quels fournisseurs peuvent couvrir la pénurie de la pièce 123 ? » ou à partir du schéma de l'infrastructure numérique « Quels services seront affectés par la mise à niveau du serveur 321 ? » TigerGraph CoPilot peut obtenir une récupération précise d'informations contextuelles basée sur la méthode RAG de graphiques de connaissances lors de la création d'un chatbot de questions-réponses pour les données et les documents des utilisateurs, afin de donner de meilleures réponses et des décisions plus éclairées. On peut dire que les riches questions-réponses fournies par CoPilot améliorent directement la productivité des applications de questions-réponses typiques (telles que les centres d'appels, le service client, la recherche de connaissances et d'autres scénarios) et réduisent les coûts de construction.

De plus, en fusionnant le graphique de connaissances documentaires et les graphiques commerciaux existants (tels que les graphiques de produits) dans un graphique intelligent, TigerGraph CoPilot peut résoudre des problèmes que les autres solutions RAG ne peuvent pas résoudre. Par exemple, en combinant l'historique des achats d'un client avec des graphiques de produits, CoPilot peut formuler des recommandations plus précises et personnalisées lorsque les clients saisissent une requête de recherche ou demandent des recommandations. Les scénarios typiques incluent : En combinant les antécédents médicaux d'un patient avec un dossier de santé, un médecin ou un professionnel de la santé peut obtenir des informations plus pratiques sur le patient afin de fournir un meilleur diagnostic ou un meilleur traitement.

Résumé

Pour résumer, par rapport à d'autres applications LLM commerciales, TigerGraph CoPilot résout les défis de la gestion de données complexes et de l'analyse associée. Grâce à ses puissantes capacités de traitement du langage naturel et à ses algorithmes avancés, les organisations peuvent acquérir d’énormes connaissances commerciales pour surmonter la surcharge de données et répondre à un accès sous-optimal aux données. Dans le même temps, en tirant parti du RAG basé sur des graphiques, il peut également garantir l’exactitude et la pertinence des résultats du LLM.

Étant donné que CoPilot permet à un plus large éventail d'utilisateurs d'utiliser efficacement les données, de prendre des décisions éclairées et d'optimiser l'allocation des ressources entre les organisations. Nous pensons qu’il s’agit d’une avancée significative dans la démocratisation de l’accès aux données et dans la capacité des organisations à exploiter tout le potentiel de leurs actifs de données.

Introduction du traducteur

Julian Chen, rédacteur en chef de la communauté 51CTO, a plus de dix ans d'expérience dans la mise en œuvre de projets informatiques. Il est doué pour gérer et contrôler les ressources et les risques internes et externes, et se concentre sur la diffusion des connaissances et de l'expérience en matière de sécurité des réseaux et de l'information. .

Titre original : Comment TigerGraph CoPilot active l'IA augmentée par graphes, auteur : Hamid Azzawe

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

Pour en savoir plus sur l'AIGC, veuillez visiter :

Communauté 51CTO AI.x

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