想了解更多AIGC的內(nèi)容，請(qǐng)?jiān)L問：
通過對(duì)比其他商用LLM的缺陷，本文詳細(xì)介紹了TigerGraph CoPilot的主要功能、優(yōu)點(diǎn)、以及兩個(gè)關(guān)鍵用例。
近年來(lái)，數(shù)據(jù)作為一種生產(chǎn)要素，已經(jīng)能夠有能力為我們提供橫跨不同行業(yè)的變革性商業(yè)見解了。不過，如何利用好可以獲得的大數(shù)據(jù)，往往給我們帶來(lái)了不小的挑戰(zhàn)。一面是過載的數(shù)據(jù)，一面卻是大量未被充分利用的數(shù)據(jù)孤島。不少專業(yè)數(shù)據(jù)科學(xué)家和分析師亟待通過專業(yè)知識(shí)，讓自己所在的組織能夠在不犧牲性能和運(yùn)營(yíng)效率的情況下，及時(shí)地處理持續(xù)增長(zhǎng)的數(shù)據(jù)，并從復(fù)雜的數(shù)據(jù)中提取潛藏在表層之下的見解。
最近，人工智能(AI)在自然語(yǔ)言處理方面的突破，改變了數(shù)據(jù)集中化訪問的方式。通過充分利用人工智能CoPilot的實(shí)時(shí)處理和分析大規(guī)模數(shù)據(jù)的能力，更多的用戶可以輕松地查詢和解釋復(fù)雜的數(shù)據(jù)集，進(jìn)而有助于組織快速做出明智的決策。同時(shí)，人工智能CoPilot也可以通過自動(dòng)化復(fù)雜的數(shù)據(jù)流程，以及授權(quán)較少的技術(shù)人員進(jìn)行深層次的數(shù)據(jù)分析，管理與控制大型數(shù)據(jù)集的高昂成本，進(jìn)而優(yōu)化資源的整體分配。
不過，生成式AI和大語(yǔ)言模型(LLM并非毫無(wú)瑕疵。由于大多數(shù)LLM都建立在通用的公共知識(shí)的基礎(chǔ)上，因此它們無(wú)法知曉特定組織的特定數(shù)據(jù)，更不用說那些機(jī)密數(shù)據(jù)了。同時(shí)，LLM除了無(wú)法了解不斷變化的信息世界，另一個(gè)更為嚴(yán)重的問題是“幻覺”。也就是說，生成式模型在其統(tǒng)計(jì)過程所生成的結(jié)論，可能只是其一廂情愿，而根本不真實(shí)。
可見，我們迫切需要一種更具備上下文相關(guān)性、更少出錯(cuò)的AI，在預(yù)測(cè)分析和機(jī)器學(xué)習(xí)過程中，提供能夠直接提升業(yè)務(wù)決策準(zhǔn)確度的優(yōu)質(zhì)數(shù)據(jù)。
TigerGraph CoPilot簡(jiǎn)介
作為一款A(yù)I助手，TigerGraph CoPilot結(jié)合了圖形數(shù)據(jù)庫(kù)和生成式AI的功能，旨在提高分析、開發(fā)和管理各種業(yè)務(wù)任務(wù)的生產(chǎn)力。TigerGraph CoPilot允許業(yè)務(wù)分析師、數(shù)據(jù)科學(xué)家、以及開發(fā)人員，使用自然語(yǔ)言對(duì)大規(guī)模的最新數(shù)據(jù)執(zhí)行實(shí)時(shí)查詢，以獲得從自然語(yǔ)言、圖形可視化、以及其他視角來(lái)展示和分析的數(shù)據(jù)見解。
針對(duì)前文提到的AI缺陷，TigerGraph CoPilot可以通過提高準(zhǔn)確性和減少幻覺，來(lái)為組織充分挖掘數(shù)據(jù)潛力，并在客戶服務(wù)、市場(chǎng)營(yíng)銷、產(chǎn)品銷售、數(shù)據(jù)科學(xué)、開發(fā)和工程等領(lǐng)域推動(dòng)知情決策，真正體現(xiàn)生成式AI應(yīng)用的價(jià)值所在。
TigerGraph CoPilot的主要功能和優(yōu)勢(shì)
- 圖形增強(qiáng)式自然語(yǔ)言查詢
- 針對(duì)圖形增強(qiáng)的生成式AI
- 可靠且負(fù)責(zé)任(相對(duì)于幻覺而言)的AI
- 高性能與擴(kuò)展性
圖形增強(qiáng)式自然語(yǔ)言查詢
TigerGraph CoPilot允許非技術(shù)用戶使用日常交流語(yǔ)言對(duì)數(shù)據(jù)進(jìn)行查詢和分析。這使得他們能夠更專注于挖掘見解，而不必學(xué)習(xí)新的技術(shù)或計(jì)算機(jī)語(yǔ)言。針對(duì)每一個(gè)用戶問題，CoPilot都會(huì)采用一種新穎的三段式交互方法(如下)，同時(shí)與TigerGraph數(shù)據(jù)庫(kù)及用戶選擇的LLM進(jìn)行交互，以獲得準(zhǔn)確和相關(guān)的回答。
- 在第一階段，TigerGraph CoPilot會(huì)將問題與數(shù)據(jù)庫(kù)中可用的特定數(shù)據(jù)予以比對(duì)。具體而言，它會(huì)使用LLM將問題與圖形的模式進(jìn)行比較，并用圖形元素替換問題中的實(shí)體。例如，如果有一個(gè)頂點(diǎn)(vertex)類型為BareMetalNode，并且用戶詢問“有多少服務(wù)器?”，那么問題就會(huì)被轉(zhuǎn)換為“有多少BareMetalNode頂點(diǎn)?”
- 在第二階段，TigerGraph CoPilot使用LLM將轉(zhuǎn)換后的問題，與一組精心策劃的數(shù)據(jù)庫(kù)查詢與函數(shù)進(jìn)行比較，以選擇最佳匹配。使用預(yù)先批準(zhǔn)的查詢通常會(huì)有兩個(gè)好處：
首先，由于每個(gè)查詢的含義和行為都經(jīng)歷了驗(yàn)證，因此它們有效地降低了產(chǎn)生幻覺的可能性。
其次，該系統(tǒng)具有預(yù)測(cè)回答問題所要調(diào)用的執(zhí)行資源的潛力。
- 在第三階段，TigerGraph CoPilot會(huì)執(zhí)行那些已識(shí)別的查詢，并以自然語(yǔ)言返回相關(guān)結(jié)果，及其背后運(yùn)作的推理。同時(shí)，CoPilot的圖形增強(qiáng)式自然語(yǔ)言查詢，提供了良好的屏障，既能降低模型幻覺的風(fēng)險(xiǎn)，又可澄清每個(gè)查詢的含義，還會(huì)提供對(duì)結(jié)果的理解。
針對(duì)圖形增強(qiáng)的生成式AI
TigerGraph CoPilot可以基于用戶自己的文檔和數(shù)據(jù)，創(chuàng)建帶有圖形增強(qiáng)AI的聊天機(jī)器人，且無(wú)需現(xiàn)有的圖形數(shù)據(jù)庫(kù)。在這種操作模式下，TigerGraph CoPilot會(huì)通過資源材料來(lái)構(gòu)建知識(shí)圖，并應(yīng)用其獨(dú)特的檢索增強(qiáng)生成(RAG)的變體，來(lái)提高自然語(yǔ)言問題答案的上下文相關(guān)性和準(zhǔn)確性。
首先，在加載用戶文檔時(shí)，TigerGraph CoPilot會(huì)從文檔塊中提取實(shí)體和關(guān)系，并從文檔中構(gòu)造出知識(shí)圖。知識(shí)圖往往通過關(guān)系連接數(shù)據(jù)點(diǎn)，以結(jié)構(gòu)化的格式來(lái)組織信息。同時(shí)，CoPilot還會(huì)識(shí)別概念，構(gòu)建本體，向知識(shí)圖中添加語(yǔ)義和推理。當(dāng)然，用戶也可以提供自己的概念本體。
然后，通過使用該綜合知識(shí)圖，CoPilot會(huì)執(zhí)行混合檢索，即：結(jié)合傳統(tǒng)的矢量搜索和圖形遍歷，來(lái)收集更多的相關(guān)信息和更為豐富的上下文，以回答用戶的各類問題。
通過將數(shù)據(jù)組織為知識(shí)圖，聊天機(jī)器人可以快速且高效地訪問到準(zhǔn)確的、基于事實(shí)的信息，從而減少了對(duì)于需要根據(jù)培訓(xùn)過程的學(xué)習(xí)模式，來(lái)生成響應(yīng)的依賴。畢竟，這樣的模式有時(shí)可能并不正確、甚至已經(jīng)過時(shí)。
可靠且負(fù)責(zé)任的AI
如前文所述，TigerGraph CoPilot通過允許LLM管理查詢，來(lái)訪問圖形數(shù)據(jù)庫(kù)，以緩解幻覺。同時(shí)，它能夠通過采取相同的、基于角色的訪問控制和安全措施(已經(jīng)成為了TigerGraph數(shù)據(jù)庫(kù)的一部分)，來(lái)確保實(shí)現(xiàn)負(fù)責(zé)任的AI。此外，TigerGraph CoPilot還通過開放其主要組件，并允許用戶選擇其LLM服務(wù)，來(lái)保持開放性和透明性。
高性能與擴(kuò)展性
通過利用TigerGraph數(shù)據(jù)庫(kù)，TigerGraph CoPilot為圖形分析提供了較高的性能。而作為一個(gè)基于圖形的RAG解決方案，它也為知識(shí)圖驅(qū)動(dòng)的問答提供了大規(guī)模的可擴(kuò)展的知識(shí)庫(kù)。
TigerGraph CoPilot關(guān)鍵用例
- 從自然語(yǔ)言到數(shù)據(jù)見解
- 內(nèi)容豐富的問答
從自然語(yǔ)言到數(shù)據(jù)見解
無(wú)論您是業(yè)務(wù)分析師、數(shù)據(jù)專家、還是調(diào)查人員，TigerGraph CoPilot都能夠讓您快速地從數(shù)據(jù)中獲取信息和見解。例如，CoPilot可以通過回答“請(qǐng)給我展示最近誤報(bào)的欺詐案件列表”等問題，為欺詐調(diào)查人員生成相關(guān)報(bào)告。同時(shí)，CoPilot也可以促進(jìn)更準(zhǔn)確的調(diào)查，例如：“誰(shuí)在過去一個(gè)月里，與123賬戶進(jìn)行了金額超過1000美元的交易?”
TigerGraph CoPilot甚至可以通過沿著依賴關(guān)系去遍歷圖形，以回答諸如“如果……會(huì)怎么樣”等問題。例如，您可以從供應(yīng)鏈圖中，輕松找到“哪些供應(yīng)商可以彌補(bǔ)部件123的短缺?”或從數(shù)字基礎(chǔ)設(shè)施圖中，找到“哪些服務(wù)會(huì)受到服務(wù)器321升級(jí)的影響?”
內(nèi)容豐富的問答
TigerGraph CoPilot在為用戶的數(shù)據(jù)和文檔構(gòu)建問答聊天機(jī)器人時(shí)，能夠基于知識(shí)圖的RAG方法，實(shí)現(xiàn)上下文信息的準(zhǔn)確檢索，以便給出更好的答案和更明智的決策?？梢哉f，由CoPilot給出的、內(nèi)容豐富的問答，直接提高了典型問答應(yīng)用(如：呼叫中心、客戶服務(wù)、以及知識(shí)搜索等場(chǎng)景)的生產(chǎn)力，并且降低了構(gòu)建成本。
此外，通過將文檔知識(shí)圖和現(xiàn)有的業(yè)務(wù)圖(如：產(chǎn)品圖)合并為一個(gè)智能圖，TigerGraph CoPilot可以解決其他RAG方案所無(wú)法應(yīng)對(duì)的問題。例如，通過將客戶的購(gòu)買歷史與產(chǎn)品圖表相結(jié)合，CoPilot可以在客戶鍵入搜索查詢、或要求推薦時(shí)，做出更加準(zhǔn)確的個(gè)性化建議。其典型場(chǎng)景包括：通過將患者的病史與健康圖表相結(jié)合，醫(yī)生或健康專家便可以獲得有關(guān)患者的更多實(shí)用信息，以提供更好的診斷或治療。
小結(jié)
綜上所述，相比其他商用LLM應(yīng)用，TigerGraph CoPilot解決了復(fù)雜數(shù)據(jù)管理與相關(guān)分析的挑戰(zhàn)。通過它在自然語(yǔ)言處理和高級(jí)算法方面的強(qiáng)大功能，組織可以在克服數(shù)據(jù)過載和應(yīng)對(duì)數(shù)據(jù)訪問欠佳方面，獲取巨大的業(yè)務(wù)洞察。同時(shí)，通過利用基于圖形的RAG，它也可以確保LLM輸出的準(zhǔn)確性和相關(guān)性。
鑒于CoPilot允許更廣泛的用戶有效地利用數(shù)據(jù)，做出明智的決策，并能優(yōu)化組織間的資源分配。我們認(rèn)為，這是在實(shí)現(xiàn)數(shù)據(jù)訪問民主化，以及賦能組織充分利用其數(shù)據(jù)資產(chǎn)潛力方面的重大進(jìn)步。
譯者介紹
陳峻(Julian Chen)，51CTO社區(qū)編輯，具有十多年的IT項(xiàng)目實(shí)施經(jīng)驗(yàn)，善于對(duì)內(nèi)外部資源與風(fēng)險(xiǎn)實(shí)施管控，專注傳播網(wǎng)絡(luò)與信息安全知識(shí)與經(jīng)驗(yàn)。
原文標(biāo)題：How TigerGraph CoPilot enables graph-augmented AI，作者：Hamid Azzawe
鏈接：https://www.infoworld.com/article/3715344/how-tigergraph-copilot-enables-graph-augmented-ai.html。
