Künstliche IntelligenzNews

Neo4j ermöglicht es, Knowledge Graphen mit Google-Sprachmodellen zu kombinieren

Neo4j kündigt an, neue Produktintegrationen “Vertex AI” für die Google Cloud an. Bei Vertex AI handelt es sich um eine führende Plattform für das Maschinelle Lernen (ML), die Sprachmodelle (LLMs) einschließt. Die Integrationen umfassen neue Generative-AI-Funktionen und versetzen Unternehmenskunden in die Lage, in der Google-Cloud-Plattform laufende Knowledge Graphen auf Basis von Neo4j Aura für generative KI-Empfehlungen und -Analysen einzusetzen und so die Erklärbarkeit, Transparenz und Genauigkeit der Ergebnisse zu optimieren.

Quelle: Neo4j

Die Neo4j Graphdatenbank, einschließlich ihrer Graph-Analyse-Features, gilt als Basis-Technologie für die Erstellung von sogenannten Knowledge Graphen, in denen sich sowohl viele verschiedene Entitäten als auch die Beziehungen zwischen ihnen abbilden und abfragen lassen. Der im Graphen geschaffene Datenkontext ermöglicht es den KI-Systemen, Informationen hinsichtlich ihrer Relevanz für eine Frage zu bewerten, ihre Richtigkeit unter Einbeziehung unterschiedlicher Datenquellen zu überprüfen und Abfragen über alle Analyseschritte und Datenpunkte hinweg nachzuvollziehen.

Vorteile der Integration mit Googles Generative AI-Funktionen in Vertex AI:

  1. Natürliche Sprache für die Interaktion mit Knowledge Graphen: Google Vertex AI für natürliche Sprache stellt eine Schnittstelle zum Neo4j Knowledge Graphen zur Verfügung. Eingaben von Anwendern werden so automatisch in die Graph-Abfragesprache Cypher übersetzt. Dadurch können Nutzer auch ohne technische Vorkenntnisse einfach und schnell Abfragen im Graphen durchführen. Neo4j plant, die KI-gestützte Spracheingabe zudem innerhalb des Ökosystems der Graphdatenbank anzubieten, unter anderem in NeoDash – Dashboard Builder for Neo4j.
  2. Transformieren unstrukturierter Daten in Knowledge Graphen: Entwickler erhalten mit Google Vertex AI die Möglichkeit, unstrukturierte Daten zu verarbeiten, zu strukturieren und in einen Knowledge Graphen zu laden. Mit Hilfe des Visualisierungstools Neo4j Bloom für Business Intelligence (BI) und Neo4j Graph Data Science lassen sich die Daten weiter analysieren und neue Erkenntnisse gewinnen.
  3. GenAI-Anreicherung in Echtzeit: Neo4j-Graphdatenbanken sind in der Lage, Vertex AI-Services in Echtzeit aufzurufen, um Knowledge Graphen anzureichern. Ausgehend von strukturierten Quellen, aus Knowledge Graphen, können dank des vorliegenden Kontextes die generativen KI- Modelle kontrolliert werden. Zudem lassen sich die Ergebnisse im Nachgang verifizieren, in Bezug auf Sicherheits- und Korrektheitsregeln bereinigen (Guardrailing) und für höhere semantische Genauigkeit anreichern.
  4. Support für Vektor Embedding (Merkmalsvektoren): Neo4j bietet Graph Embeddings, die sich für Feintuning und Training innerhalb großer Sprachmodelle nutzen lassen. Neo4js Graph Data Science unterstützt mehr als 60 Algorithmen, darunter K-Nearest-Neighbors (KNN) Algorithmen und Kosinus-Ähnlichkeit. In Kombination mit den Google Vertex AI Embedding APIs gewinnen Anwender ein leistungsstarkes Toolset für die Entwicklung smarter Anwendungen.
  5. Validierung dank Knowledge Graphen (Grounding): Als Grounding wird die Fähigkeit bezeichnet, die von LLM generierten Ergebnisse mit Hilfe von strukturierten Datenquellen zu validieren. Sogenannte KI-Halluzinationen lassen sich minimieren, während das Vertrauen der Benutzer in die Resultate steigt. Für das Grounding können Neo4j-Knowledge Graphen beispielsweise in Kombination mit dem LLM-Entwicklungsframework LangChain eingesetzt werden.

Neo4j & Google Cloud: Partnerschaft seit 2019

Google Cloud und Neo4j starteten ihre strategische Partnerschaft bereits 2019. Heute verwenden Großkonzerne ebenso wie viele andere Unternehmen und Startups die Graphdatenbank in der Google Cloud im Rahmen von KI und Graph Analytics. Die Anwendungsfälle reichen dabei von der Betrugsaufdeckung und der Geldwäschebekämpfung über Recommendation Engines und Supply Chain Management bis hin zu Natural Language Processing (NLP), Bioinformatik und digitalen Zwillingen.

Weitere Informationen: https://neo4j.com