Solutions

Retrieval Augmented Generation

Solution implemented by Thitaya Divari, Pornchanok Pinnuwat, Maethavee Summanee

pexels-photo-18069696-18069696.jpg

Overview

Large Language Models หรือ LLM คือรูปแบบของปัญญาประดิษฐ์ประเภทหนึ่งที่สามารถสร้างรูปแบบการสนทนาคล้ายกับมนุษย์ซึ่งระบบนี้ไม่สามารถเข้าถึงข้อมูลภายในของบริษัท จึงมีข้อจำกัดในการประมวลผลออกมาเป็นข้อมูลที่ต้องการ และมีประสิทธิภาพไม่เพียงพอที่จะนำไปวิเคราะห์ต่อ นอกจากนี้ข้อมูลบางประเภทเป็นความลับทางธุรกิจ จึงไม่สามารถนำไป train model สาธารณะได้ และการ train ใช้ทรัพยากรสูงมาก นอกจากนี้ยังมีความเสี่ยงที่ผลของการ train อาจไม่ประสบความสำเร็จ แต่เราสามารถใช้ Retrieval Augmented Generation หรือ RAG เพื่อแก้ปัญหาเหล่านี้ได้

pexels-photo-8386440-8386440.jpg
Solutions

What is "Retrieval Augmented Generation" ?

Retrieval Augmented Generation หรือ RAG คือระบบที่สามารถดึงข้อมูลจากระบบฐานข้อมูลของบริษัทมาประมวลผล โดยใช้ข้อมูลภายในร่วมกับข้อมูลภายนอกได้ ซึ่งพัฒนาจาก Amazon Sagemaker, LlamaIndex, Amazon RDS, Amazon S3, Amazon QuickSight

Solutions

Key Components

Amazon Sagemaker

Amazon Sagemaker

จัดการ Model และ Interference

LlamaIndex

LlamaIndex

ทำ RAG

Amazon RDS

Amazon RDS

จัดการ SQL Database

Amazon S3

Amazon S3

จัดเก็บเอกสารและสื่อต่าง ๆ

AWS Glue

AWS Glue

สำหรับ ETL และการทำ Data Cataloguing

Amazon QuickSight

Amazon QuickSight

วิเคราะห์ข้อมูล และสร้าง Dashboard

Solutions

คุณสมบัติ

ดึงข้อมูลจากฐานข้อมูลมาประมวลผล

สามารถดึงข้อมูลจากฐานข้อมูลภายในมาประมวลผลร่วมฐานข้อมูลภายนอกได้ ทำให้ผลลัพธ์ของข้อมูลมีประสิทธิภาพ

รองรับทั้งภาษาไทย และอังกฤษ

ผู้ใช้งานสามารถสอบถามในระบบด้วยคำถามที่เป็น natural language เป็นภาษาอังกฤษหรือภาษาไทย ซึ่งเพิ่มความยืดหยุ่นในการทำงาน

แสดงผลข้อมูลได้หลากหลายรูปแบบ

สามารถแสดงผลจากข้อมูลที่ได้จากการสืบค้นในรูปแบบ ตาราง กราฟ คำบรรยาย บทวิเคราะห์ การพยากรณ์ข้อมูลอนาคต หรือสามารถ export เป็น excel spreadsheet หรือ csv fileความแตกต่างของเวลา

Retrieval Augmented Generation

How It Works

01

ผู้ใช้งานป้อนคำถามลงในเว็บแอปพลิเคชันซึ่งระบบจะส่งคำสั่งสอบถามเพื่อค้นหาข้อมูลผ่าน LLamaIndex

01

โดย Amazon RDS จะช่วยดึงฐานข้อมูลเชิงสัมพันธ์ AWS Glue จะดึงฐานข้อมูล NoSQL ผ่านขั้นตอน ETL ข้อมูลจาก Amazon S3 จะถูกจัดการและส่งไปที่เว็บแอป

02

จากนั้นเว็บแอปจะส่งคำถามและข้อมูลที่เกี่ยวข้องไปยัง Amazon SageMaker เพื่อควบคุม LLM โดย SageMaker จะส่งคำสั่งสอบถามไปที่ Llama หรือ Claude

03

ระบบ LLM จะประมวลผลและส่งคำตอบให้ผู้ใช้งานบนเว็บแอป และ Amazon QuickSight จะช่วยในการวิเคราะห์และแสดงผลข้อมูลผ่านกราฟหรือแผนภูมิ
Solutions

Retrieval Augmented Generation

ยกระดับการประมวลผลข้อมูลของคุณด้วยระบบ RAG (Retrieval Augmented Generation) มอบข้อมูลเชิงลึกและการตัดสินใจที่แม่นยำ เริ่มต้นใช้งานวันนี้เพื่อก้าวสู่อนาคตที่ชาญฉลาดยิ่งขึ้น

ติดต่อเราวันนี้เพื่อขอข้อมูลเพิ่มเติมเกี่ยวกับ Retrieval Augmented Geenration และเริ่มต้นการทำงานยุคใหม่ที่เหนือกว่า!
  • Home
  • About Us
  • Solutions
  • Training Course
  • Blog
  • Contact