Учёные Корейского института передовых технологий (KAIST) в сотрудничестве с компанией GraphAI представили инновационную архитектуру AkasicDB. Эта единая база данных объединяет векторные, графовые и реляционные подходы, позволяя кардинально повысить точность ответов корпоративных ИИ-агентов.
Решение проблемы ИИ-галлюцинаций
Основная сложность при внедрении нейросетей в бизнес-процессы — «галлюцинации», когда модель генерирует убедительные, но фактически неверные данные. В условиях корпоративных систем информация обычно разбросана по документам, электронным таблицам и сложным связям между объектами. Стандартные методы, такие как Retrieval-Augmented Generation (RAG), преобразуют текст в числовые векторы для семантического поиска. Однако они плохо справляются, когда необходимо одновременно учитывать временные рамки, категории и сложные логические связи.
Изображение сгенерировано: Nano Banana
Как работает AkasicDB и метод Omni RAG
Архитектура AkasicDB устраняет эти ограничения, объединяя три модели данных в едином ядре:
- Векторные базы: отвечают за семантический поиск по смыслу.
- Графовые базы: анализируют взаимосвязи между сущностями, например, между компаниями, сотрудниками и товарами.
- Реляционные базы: обеспечивают работу со структурированными таблицами и точными фильтрами по параметрам.
На базе этой структуры исследователи внедрили метод Omni RAG. Он позволяет выполнять комплексные запросы в рамках одного вычислительного плана. Вместо того чтобы собирать данные из разных источников и агрегировать их на уровне приложения — что замедляет работу и усложняет архитектуру — система обрабатывает всё сразу.
Эффективность на практике
Например, поиск положений контрактов за конкретный период с анализом связей с поставками раньше требовал множества разрозненных запросов. AkasicDB же выполняет такие операции как единый запрос SQL/GQL, оптимизируя выполнение и минимизируя передачу промежуточных данных.
Результаты тестов впечатляют:
- Скорость: сложные запросы, на обработку которых уходило до 21,3 секунды, теперь выполняются менее чем за 1 секунду — ускорение в 20 с лишним раз.
- Точность: уровень «галлюцинаций» снизился, а точность выдаваемых ответов выросла на 78% по сравнению с классическими RAG-системами.
Разработчики подчеркивают, что AkasicDB критически важна для сфер с высокими требованиями к достоверности информации: от финансового сектора и промышленности до науки и обороны.
