Neo4j inleder samarbete med Google Cloud och lanserar nya GraphRAG-funktioner för GenAI-applikationer

Nya inbyggda integrationer kombinerade med Neo4js kunskapsgrafer påskyndar utvecklingen av GenAI och förbättrar framgångstakten vid implementering

SAN MATEO, Kalifornien. – 9 april – Neo4j®, ledande inom grafdatabaser och analys, lanserar nya inbyggda integrationer med Google Cloud som snabbar på utvecklingen och implementeringen av Generativ AI-applikationer i flera avgörande stadier. Integrationerna löser problem för företag som kämpar med både komplexitet och hallucinationer vid framtagande och implementering av GenAI-applikationer som kräver realtidsdata, kontextuellt rik data, korrekta, och förklarbara resultat.

Kunskapsgrafer fångar relationer mellan enheter, grundar LLM:er i fakta och möjliggör för LLM:er att resonera, dra slutsatser och hämta relevant information korrekt och effektivt. Enligt Gartner®, "För felfria AI-applikationer, måste ledare inom data- och analys utnyttja både kraften hos stora språkmodeller (LLM:er) och robustheten hos kunskapsgrafer." – Gartners rapport från november 2023 AI Design Patterns for Knowledge Graphs and Generative AI.

Retrieval Augmented Generation (RAG) är tekniken som gör att LLM:er får tillgång till externa dataset. Genom att kombinera kunskapsgrafer med RAG, känd som GraphRAG, säkerställs att GenAI-resultaten är korrekta, förklarbara och transparenta och inkluderar realtidsdata.

GraphRAG med Google Cloud: funktioner och fördelar
Utvecklare kan enkelt tillämpa GraphRAG-tekniker med kunskapsgrafer för att grunda LLM:er för noggrannhet, kontext och förklarbarhet, vilket förbättrar GenAI-innovation. Specifikt kan de:

1. Snabbt skapa kunskapsgrafer för korrekta och förklarbara resultat. Utvecklare kan enkelt skapa kunskapsgrafer med Gemini-modeller, Google Cloud VertexAI, LangChain och Neo4j från ostrukturerad data som PDF:er, webbsidor och dokument – antingen direkt eller laddade från Google Cloud Storage-buckets
2. Inhämta, bearbeta och analysera realtidsdata på sekunder. Utvecklare kan använda Flex-mallar i Dataflow för att skapa upprepningsbara och säkra data-pipelines som inhämtar, bearbetar och analyserar data över Google BigQuery, Google Cloud Storage och Neo4j – och förser kunskapsgrafer med realtidsinformation. Detta möjliggör för GenAI-applikationer att leverera relevanta och aktuella insikter
3. Bygga GenAI-applikationer drivna av kunskapsgrafer på Google Cloud. Kunder kan använda Gemini för Google Workspace och Reasoning Engine från Vertex AI-plattformen för att enkelt distribuera, övervaka och skala GenAI-appar och API:er på Google Cloud Run. Gemini-modeller tränas på Neo4j:s träningsdata för att automatiskt omvandla alla språk-kodsnuttar till Neo4j:s Cypher-frågespråk. Resultatet gör applikationsutvecklingen snabbare, enklare och mer samarbetsvänlig genom att integrera förmågor för förståelse av naturliga språk, generering inom olika applikationer och miljöer. Utvecklare kan också använda Cypher med vilken Integrated Development Environment (IDE) som helst och som stöds av Gemini-modeller för effektivare frågeställning och visualisering av grafdata. Neo4j:s vektorsökning, GraphRAG och funktioner för konversationsminne integreras sömlöst genom LangChain och Neo4j AuraDB med Google Cloud.

En historia av innovation: ytterligare milstolpar för partnerskap
Reglerade kunder kommer att kunna möta strikta dataresidens-, säkerhets- och regulatoriska krav i Google Distribution Cloud (GDC) Hosted, som blev allmänt tillgängligt i mars. GDC är en isolerad, privat molninfrastruktur och gränsmiljö designad specifikt för den offentliga sektorn och reglerade företag. Neo4j är den föredragna lanseringspartnern för GDC för att tillhandahålla Graph Database och Analytics-funktioner.

Kunder kan även genomföra minneslagrad grafanalys på komplexa, gömda datamönster med hjälp av Neo4js katalog med över 70 grafalgoritmer direkt på data från BigQuerySQL med Apache Spark Stored Procedures.

Dessutom vann Neo4j för andra året i rad, Google Cloud’s Technology Partner of the Year i kategorin Datahantering denna månad. Neo4j var 2023 den enda leverantören av genomgående grafdatabaser att lansera inbyggt produktstöd för integration med GenAI-funtionalitet på Googles Cloud Vertex AI-plattform. Neo4j inledde sitt strategiska partnerskap med Google Cloud 2019. Neo4j integrerade också inbyggda vektorfunktioner i sin kärngrafdatabas förra året, vilket gjorde det möjligt för den att fungera som långtidsminne för LLM:er.

Ritika Suri, direktör för teknikpartnerskap, Google Cloud
"Generativ AI kan avsevärt öka det värde kunder får från kritisk affärsdata. Genom att använda Google Clouds Gemini-modeller och Vertex AI kan Neo4j öka hastigheten samt noggrannheten i utvecklingen av generativa AI-applikationer.”

Sudhir Hasbe, produktchef, Neo4j
"GraphRAG med Neo4j och Google Cloud möjliggör för företag att gå från GenAI-utveckling till implementering mycket snabbare och se värde från sina produktionsfall. Vår senaste milstolpe kombinerar kraften i grafdatabasteknik, GenAI och molnberäkningens överlägsenhet, vilket möjliggör för företag att uppnå bättre resultat snabbare från deras relaterade data och vara innovativa med GenAI."

Funktionerna är nu tillgängliga. För mer information, läs vårt blogginlägg.

GARTNER är ett registrerat varumärke och servicemärke tillhörande Gartner, Inc. och/eller dess dotterbolag i USA och internationellt och används här med tillstånd. Alla rättigheter förbehållna.