Amazon Neptune を使った生成 AI

優れたスケーラビリティと可用性を実現する高性能なグラフ分析とサーバーレスデータベース

概要

組織が生成人工知能 (AI) アプリケーションを構築して展開するにつれて、正確さ、包括性、説明可能性に対する期待が高まっています。検索拡張生成 (RAG) などの手法を通じて企業およびドメイン固有のコンテキストを提供することは、ある程度役立ちます。RAG は、データガバナンスと制御を維持しながら、生成 AI に最新の関連情報を提供するという点で費用対効果が高くなります。

グラフ検索拡張生成（GraphRAG）は、グラフ分析とベクトル検索の両方の機能を活用して AI 応答の正確性、包括性、説明可能性を高めることにより、RAG を次のレベルに引き上げます。GraphRAG は、データ内のエンティティまたは構造要素間の関係（ドキュメントの塊を含むセクションやタイトルなど）を活用して、最も関連性の高いデータを RAG アプリケーションへの入力として提供することでこれを実現します。ナレッジグラフを使用することで、RAG アプリケーションは関連するエンティティまたはトピック間のマルチホップ接続を取得し、これらのファクトを使用して生成応答を強化できます。

Amazon Neptune を使った生成 AI

Amazon では、GraphRAG アプリケーションを作成して実行するためのフルマネージドパスとセルフマネージドパスを提供しています。

  • フルマネージド: Amazon Bedrock ナレッジベースでは、Amazon Neptune を使った世界初のフルマネージド型の GraphRAG サービスを提供しています。グラフと埋め込みの作成と管理が自動的に管理されるため、顧客はより適切な回答をエンドユーザーに提供できます。フルマネージドサービスなので、設定の設定や他の LLM やベクトルデータベースとの統合といった課題を回避できます。 
  • セルフマネージド: カスタムデータソースへのセルフホスティングや柔軟な接続、サードパーティ製品 (基本モデル、ベクトルストア、データストア) との統合、生成 AI アプリケーションスタックのセルフホスティングを求めるユーザーには、2 の選択肢があります。
    • AWS GraphRAG Python ツールキット: AWS は、最新の基本モデルとグラフモデルをサポートするオープンソースの GraphRAG ツールキットをリリースしました。非構造化データからグラフのコンストラクトを自動化し、ユーザーの質問に答えるときにこのグラフをクエリするためのフレームワークを提供します。
    • オープンソースフレームワーク: AWS は、プロダクション RAG パイプラインを構築するための LangChain や LlamaIndex などの一般的なオープンソースプロジェクトをサポートし、貢献しています。

グラフデータベースのクエリ言語に慣れていないユーザーは、Neptune と LangChain の統合を活用できます。これにより、自然言語を使用して海王星グラフデータベースに質問することができます。例えば、NeptuneOpenCypherQAChain を使って英語の質問を openCypher のクエリに変換し、人間が読める回答を返すことができます。このチェーンは、「どの米国の空港の発着ルートが最も長く、最も短い空港か?」などの質問に答えることができます。

LangChain は、大規模言語モデル (LLM) を使用するアプリケーションの作成を簡素化するために設計されたオープンソースの Python フレームワークです。Neptune と LangChain の統合により、開発者は LangChain のオープンソースフレームワークを使用して、コンテキスト対応アプリケーションの作成を簡素化できます。

Neptune と LangChain を使用すると、提供されたコンテキストに基づいて応答を返し、openCypher クエリ言語を使用して Neptune グラフデータベースにクエリを実行できます。例えば、Neptune openCypher QA チェーンを使って英語の質問を openCypher のクエリに変換し、人間が読める回答を返すことができます。このチェーンを使用すると、「オースティン空港からの出発ルートはいくつありますか?」などの質問に答えることができます。

Neptune openCypher QA チェーンの詳細については、オープンソースの LangChain ドキュメントを参照してください。

LlamaIndex は、カスタムデータソースを大規模言語モデル (LLM) に接続するためのオープンソースのデータフレームワークで、LLM でのナレッジグラフの使用をサポートしています。

LlamaIndex を使用すると、Neptune をグラフストアまたはベクトルストアとして使用して、GraphRAG などの手法を使用して生成 AI アプリケーションを構築できます。

ユースケース

GraphRAG は、IT サービスデスクとコンタクトセンターの改善に使用できます。たとえば、GraphRAG を使用すると、セキュリティオペレーションセンター（SOC）チームがアラートをより正確に解釈して、重要なシステムの保護に役立てることができます。医療従事者サポートチャットボットは、大量の医学文献から関連情報をすばやく見つけて、患者の症状、治療、結果に関する複雑な質問に答えることができます。

GraphRAG アプリケーションは、財務計画および会計（FP&A）、マーケティング、法務、人事などの企業機能のチームに深い洞察をもたらします。たとえば、企業の法務チームは、税法、規制、判例に関する情報をより効果的に見つけて、ケース戦略のアイデアを練ることができます。マーケティングチームは、見込み客のソーシャルコネクションと購入履歴に基づいて、Customer 360 ビューを作成できます。

あらゆる業界の企業が GraphRAG の恩恵を受けています。たとえば、製薬業界では、研究開発チームが GraphRAG を使用して医薬品の研究や試験をスピードアップできます。投資銀行業界では、複雑な関係をマッピングし、企業申告の全体像を提供する GraphRAG の能力により、デューディリジェンスチームは、規制上の権利や競争の動向など、他の方法ではすぐには明らかにならないような洞察（規制上の権利や競争のダイナミクスなど）を RAG で明らかにすることができます。

従来のレコメンデーションでは、手動で分析サービスを使用して製品に関するレコメンデーションを行います。Neptune ML は、グラフデータから新しい関係性を直接識別し、プレイヤーが購入したいと思うゲーム、フォローしたいと思う他のプレイヤー、購入したいと思う製品のリストを簡単に推奨できます。

料金

先行投資は必要ありません。使用した AWS リソース (Amazon SageMaker、Neptune、Amazon Simple Storage Service (Amazon S3) など) に対してのみ料金をお支払いいただきます。

開始方法

始めるには、次のようなさまざまな方法があります。