[11/04/2024] Neo4j anunció nuevas integraciones nativas con Google Cloud que aceleran el desarrollo y la implementación de aplicaciones de IA generativa en varias etapas cruciales. Según lo señalado en el comunicado de prensa, los resultados resuelven un problema para las empresas que luchan con la complejidad y las alucinaciones al crear e implementar aplicaciones GenAI exitosas que requieren datos contextualmente ricos en tiempo real y resultados precisos y explicables. Las integraciones ya están disponibles.
"Los gráficos de conocimiento capturan las relaciones entre entidades, fundamentan los LLM en hechos y permiten a los LLM razonar, inferir y recuperar información relevante de manera precisa y efectiva”, sostuvo Sudhir Hasbe, director de productos de Neo4j.
El ejecutivo anotó que Retrieval Augmented Generation (RAG) es la técnica mediante la cual los LLM acceden a conjuntos de datos externos. "La combinación de gráficos de conocimiento con RAG, conocido como GraphRAG, garantiza que los resultados de GenAI sean precisos, explicables y transparentes, incluso con datos en tiempo real”.
GraphRAG con Google Cloud: Capacidades y beneficios
Hasbe anotó que los desarrolladores pueden aplicar fácilmente las técnicas de GraphRAG con gráficos de conocimiento para fundamentar los LLM para obtener precisión, contexto y explicabilidad, lo que mejora la innovación de GenAI. En concreto, pueden:
- Los desarrolladores pueden crear fácilmente gráficos de conocimiento con modelos Gemini, Google Cloud VertexAI, LangChain y Neo4j a partir de datos no estructurados como archivos PDF, páginas web y documentos, ya sea directamente o cargados desde depósitos de Google Cloud Storage.
- Los desarrolladores pueden usar plantillas de Flex en Dataflow para crear canalizaciones de datos seguras y repetibles que ingieren, procesan y analizan datos en Google BigQuery, Google Cloud Storage y Neo4j, lo que proporciona gráficos de conocimiento con información en tiempo real y permite que las aplicaciones de GenAI proporcionen información relevante y oportuna.
- Los clientes pueden usar Gemini para Google Workspace y Reasoning Engine desde la plataforma de IA Vertex para implementar, monitorear y escalar fácilmente las aplicaciones y API de GenAI en Google Cloud Run. Los modelos Gemini se entrenan con los datos de entrenamiento de Neo4j para convertir automáticamente cualquier fragmento de código de idioma al lenguaje de consulta Cypher de Neo4j. "El resultado hace que el desarrollo de aplicaciones sea más rápido, fácil y colaborativo mediante la integración de capacidades de generación y comprensión del lenguaje natural dentro de varias aplicaciones y entornos. Los desarrolladores también pueden usar Cypher con cualquier entorno de desarrollo integrado (IDE) compatible con los modelos Gemini para una consulta y visualización más eficientes de los datos de gráficos. Las capacidades de búsqueda vectorial, GraphRAG y memoria conversacional de Neo4j se integran a la perfección a través de LangChain y Neo4j AuraDB con Google Cloud”, explicó Hasbe.
"La IA generativa puede aumentar significativamente el valor que los clientes obtienen de los datos empresariales críticos. Al utilizar los modelos Gemini de Google Cloud y Vertex AI, Neo4j puede aumentar la velocidad y la precisión del desarrollo de aplicaciones de IA generativa", anotó, por su parte, Ritika Suri, directora de asociaciones tecnológicas de Google Cloud.
Franca Cavassa, CTOPerú