Интеграция архитектур для повышения точности ИИ

Группа экспертов из Корейского института передовых технологий (KAIST) в сотрудничестве с GraphAI анонсировала создание уникальной системы хранения данных — AkasicDB. Разработка объединяет векторный, графовый и реляционный подходы к работе с информацией в одном ядре, что позволяет ИИ-агентам оперировать одновременно смыслами, логическими связями и жестко структурированными записями.

Основная цель проекта — минимизация «галлюцинаций» больших языковых моделей. В бизнесе подобные ошибки недопустимы, однако традиционные инструменты часто не справляются с анализом данных, которые рассредоточены по разным типам хранилищ.

Проблемы классического RAG и решение от корейских ученых

Стандартная технология генерации с дополненной выборкой (RAG) в основном базируется на поиске похожих текстовых векторов. Это эффективно для неструктурированного контента, но бессильно, когда требуется учитывать сложные взаимосвязи объектов или строгие временные параметры.

Для преодоления этих ограничений специалисты внедрили метод Omni RAG. Его суть заключается в следующем:

  • Векторный поиск отвечает за семантическую составляющую запроса.
  • Графовый анализ выстраивает цепочки связей между объектами.
  • Реляционный блок обеспечивает точную работу с таблицами и фильтрацию.

«Система выполняет сложные запросы как единый SQL/GQL-запрос, оптимизируя путь выполнения и исключая необходимость многократного обращения к разрозненным базам данных на уровне приложений», — отмечают разработчики.

Производительность и сферы применения

Результаты тестирования показывают впечатляющий прирост эффективности. Сложные операции, на выполнение которых ранее требовалось около 21 секунды, в среде AkasicDB отрабатываются менее чем за 1 секунду. При этом точность выдаваемых ИИ ответов возрастает на 78% по сравнению с классическими RAG-архитектурами.

По мнению авторов исследования, такая технология станет фундаментом для внедрения надежных ИИ-агентов в критически важных отраслях. Среди приоритетных сфер использования — промышленность, оборонный сектор, финансовые рынки и научные исследования, где достоверность предоставляемой информации имеет первостепенное значение.