保加利亚图数据库初创公司Graphwise今天宣布对其旗舰产品GraphDB工具进行重大升级,新增功能旨在提升企业知识管理能力,为人工智能模型创建更可靠的基础。
Graphwise(正式名称为Ontotext AD)表示,其平台的改进将使其更适合AI应用,使AI能够从第三方来源获取更多知识,处理新的用例,同时降低基础设施相关成本。
GraphDB是一种专门的"图数据库",能够在业务记录旁存储上下文数据,比如某次销售发生在哪家店铺的信息。传统的结构化查询语言数据库无法轻松做到这一点,因为其架构不允许轻松发现这些连接。而图数据库则可以将连接与传统记录一起存储,促进更快速的分析和查询。
据Graphwise介绍,GraphDB平台旨在解决原始数据与可操作知识需求之间的差距,这种知识能够增强大语言模型的能力。因此,它不是将内容和数据视为独立的关注点,而是创建一个智能结构将它们连接起来。
为此,GraphDB基于"知识图谱",提供企业内容及其与数据库记录关系的动态互联视图。它通过编码关系、层次结构和元数据的方式工作,使AI模型能够推导用户意图,建议相关主题并支持基于场景的推荐。例如,文档将自动标记用户指定的分类法和内容衍生的语义。
这里的关键要素是GraphDB的所谓"语义层",它能够独特地管理结构化数据和非结构化内容,同时保持一致的语义元数据将这些信息联系在一起。
GraphDB 11的新功能
通过最新版本GraphDB 11,Graphwise表示正在让用户更容易地将知识图谱与多个大语言模型集成,简化知识获取,并增加对模型上下文协议的支持,为创建可自主工作的"智能体AI生态系统"铺平道路。
GraphDB 11增加了对更广泛的大语言模型的支持,包括Meta平台公司的Llama、谷歌公司的Gemini、DeepSeek有限公司的R1和阿里巴巴控股有限公司的Qwen等模型。还有改进的检索增强生成工具,称为GraphRAG,它促进对企业知识库的访问,提高AI模型响应的准确性。
通过支持MCP协议,Graphwise使AI智能体能够利用其知识图谱,因此它们可以基于更相关的领域数据。公司表示,结果将是更可靠和准确的AI智能体,能够提供上下文感知洞察,改善决策能力,提高工作流程效率。
此外,该公司还大力改进其"精确实体链接"。这意味着它改进了GraphDB将用户输入的术语和短语映射到知识图谱中正确概念或实体的方式。公司表示,这将有助于消除歧义,改善信息检索和应用到AI模型输出的方式。
除了提升能力外,Graphwise还试图帮助用户降低AI基础设施成本,比如增加对GraphQL语言的支持以简化数据访问。该初创公司还声称新版本具有更高的可用性,以及性能优化,如高级存储库缓存,提高其可扩展性和响应性,使其更具成本效益。
Constellation Research Inc.分析师Michael Ni告诉SiliconANGLE,GraphDB 11是一个有前途的版本,提高了AI就绪企业数据必须交付的标准。
"通过将知识图谱与语义推理结合,简化大语言模型集成和编排,Graphwise提供了一个信任层,使AI基于你的业务运作方式,"分析师说。"这不仅仅是另一个图形版本——这是一个不断上升的蓝图和已交付的简化,用于上下文感知、决策就绪的AI,我们将看到其他企业平台跟随。"
Graphwise总裁Atanas Kiryakov表示,GraphDB 11将有助于解决缺乏"AI就绪数据"的挑战,减少AI项目放弃的情况。他说,大约60%的现有AI项目最终会失败并被取消,因为底层模型无法访问它们需要的数据来交付预期结果。
"GraphDB 11通过提供尖端AI所必需的数据基础设施和治理直接解决了这个问题,"他承诺。"我们通过使客户最复杂的非结构化数据可访问和可操作,赋能客户构建智能、可扩展的应用程序。"
好文章,需要你的鼓励
英特尔第三季度财报超华尔街预期,净收入达41亿美元。公司通过裁员等成本削减措施及软银、英伟达和美国政府的大额投资实现复苏。第三季度资产负债表增加200亿美元,营收增长至137亿美元。尽管财务表现强劲,但代工业务的未来发展策略仍不明朗,该业务一直表现不佳且面临政府投资条件限制。
美国认知科学研究院团队首次成功将进化策略扩展到数十亿参数的大语言模型微调,在多项测试中全面超越传统强化学习方法。该技术仅需20%的训练样本就能达到同等效果,且表现更稳定,为AI训练开辟了全新路径。
微软发布新版Copilot人工智能助手,支持最多32人同时参与聊天会话的Groups功能,并新增连接器可访问OneDrive、Outlook、Gmail等多项服务。助手记忆功能得到增强,可保存用户信息供未来使用。界面新增名为Mico的AI角色,并提供"真实对话"模式生成更机智回应。医疗研究功能也得到改进,可基于哈佛健康等可靠来源提供答案。同时推出内置于Edge浏览器的Copilot Actions功能,可自动执行退订邮件、预订餐厅等任务。
纽约大学等机构联合开发的ThermalGen系统能够将普通彩色照片智能转换为对应的热成像图片,解决了热成像数据稀缺昂贵的难题。该系统采用创新的流匹配生成模型和风格解耦机制,能适应从卫星到地面的多种拍摄场景,在各类测试中表现优异。研究团队还贡献了三个大规模新数据集,并计划开源全部技术资源,为搜救、建筑检测、自动驾驶等领域提供强有力的技术支撑。