โมเดลข้อมูลที่แสดงเอนทิตีและความสัมพันธ์ในรูปแบบโครงสร้างกราฟ ใช้เพื่อเพิ่มความแม่นยำใน RAG และการค้นหาด้วย AI
Knowledge Graph คือโมเดลข้อมูลที่ใช้แสดงความสัมพันธ์ระหว่าง entity ในโลกความเป็นจริง (เช่น บุคคล องค์กร แนวคิด ผลิตภัณฑ์ เป็นต้น) ในรูปแบบโครงสร้างกราฟที่ประกอบด้วย node และ edge
ในขณะที่ Relational DB จัดการข้อมูลด้วยแถวและคอลัมน์ของตาราง Knowledge Graph จะจัดเก็บข้อมูลในรูปแบบ triple (ชุดสามองค์ประกอบ) ที่มีโครงสร้างว่า "ประธาน → กริยา → กรรม" เช่น "โตเกียว → เป็นเมืองหลวงของ → ญี่ปุ่น" ซึ่งเป็นโครงสร้างที่ข้อมูลมีความหมายในตัวเอง
โครงสร้างนี้ช่วยให้สามารถประมวลผล query ความสัมพันธ์หลายชั้น เช่น "คู่แข่งของคู่ค้าของบริษัท A คือใคร" ได้อย่างเป็นธรรมชาติผ่านการค้นหาในกราฟ ซึ่งหากใช้ Relational DB จะต้องทำการ join หลายตารางแทน
Knowledge Graph เป็นเทคโนโลยีหลักของ GraphRAG โดยที่ vector search นั้นดึงข้อมูลเอกสารโดยอาศัยความคล้ายคลึงทางความหมายของข้อความ ในทางกลับกัน Knowledge Graph จะดึงองค์ความรู้เชิงโครงสร้างโดยการติดตาม path ระหว่าง entity การผสานทั้งสองแนวทางเข้าด้วยกันคาดว่าจะช่วยลด hallucination และเพิ่มความแม่นยำของ multi-hop reasoning ได้
อุปสรรคที่ใหญ่ที่สุดของ Knowledge Graph คือต้นทุนในการสร้างและบำรุงรักษา แม้ว่าการทำงานอัตโนมัติจะก้าวหน้าขึ้นด้วยการใช้ LLM สำหรับการสกัด entity และการประมาณความสัมพันธ์ แต่ยังคงมีสถานการณ์ที่การตรวจสอบโดยผู้เชี่ยวชาญเป็นสิ่งที่ขาดไม่ได้ เพื่อให้สามารถแปลงระบบองค์ความรู้เฉพาะทางให้อยู่ในรูปแบบกราฟได้อย่างถูกต้อง


สถาปัตยกรรม RAG รุ่นถัดไปที่ผสมผสาน Knowledge Graph และการค้นหาแบบ Vector เข้าด้วยกัน โดยใช้ประโยชน์จากความสัมพันธ์ระหว่าง Entity เพื่อเพิ่มความแม่นยำในการค้นหา

RAG (Retrieval-Augmented Generation) คือเทคนิคที่ทำการค้นหาข้อมูลที่เกี่ยวข้องจากแหล่งความรู้ภายนอก แล้วนำผลลัพธ์ที่ได้มาเพิ่มเติมใน input ของ LLM เพื่อเพิ่มความแม่นยำและความทันสมัยของคำตอบ

ข้อมูลสำหรับการฝึกอบรมที่สร้างขึ้นโดย AI ใช้เพื่อชดเชยการขาดแคลนข้อมูลจริง และนำไปใช้ในการเรียนรู้และประเมินผลโมเดลในขณะที่ปกป้องความเป็นส่วนตัว

ฐานข้อมูลเวกเตอร์คืออะไร? อธิบายครบจบ ตั้งแต่หลักการทำงาน เปรียบเทียบผลิตภัณฑ์หลัก ไปจนถึงการใช้งาน RAG

ความรู้และทักษะในการทำความเข้าใจแนวคิดพื้นฐาน ข้อจำกัด และความเสี่ยงของ AI เพื่อนำไปใช้งานในองค์กรได้อย่างเหมาะสม โดย EU AI Act กำหนดให้องค์กรต้องจัดให้มีสิ่งนี้