微軟GraphRAG震撼登場！知識圖譜助力AI進化，生成式模型準確性大幅提升

微軟於2024年7月推出的GraphRAG技術結合了知識圖譜與生成式AI，突破傳統RAG方法在處理複雜資訊時的侷限性，開創了人工智慧應用的新篇章。與傳統的檢索增強生成（RAG）相比，GraphRAG利用圖形結構來探索資料之間的關聯性，大幅提升了大型語言模型（LLM）的回答準確性和實用性。這項技術讓AI在應對複雜資料網絡時更加精確，有效助力智慧製造和供應鏈管理等高度互聯的應用場景，為未來AI應用帶來更深遠的影響。

【技術原理】

下圖展示了RAG應用的架構，包含了數據來源、數據管道、知識檢索、以及生成模型的流程。在 RAG的架構中，首先將內部或外部的結構化和非結構化數據，經過數據管道進行前處理（Data Pipeline）、特徵抽取（如嵌入向量生成）後，以向量的形式存放於資料庫中，當用戶對系統提出問題時，問題會經過檢索模塊轉換為向量，並與資料庫中的相關內容進行檢索，檢索到的內容隨後與問題一同提供給大型語言模型（LLM），生成更具針對性的回答，最終返回給用戶。相較於傳統的RAG，GraphRAG （下圖紅框）增加了「知識圖譜（Knowledge Graph）」與「圖檢索（Graph Retrieval）」模塊，帶來了以下優勢：

1. 知識的深層結構化：GraphRAG 利用知識圖譜來將原始數據進行更深層次的語意關聯和結構化，這使得每個實體之間的關係能夠被具體表示，並且在檢索時可以考慮到更多層次的關聯性，不僅僅是向量匹配。
2. 更精確的語意檢索：透過圖檢索模塊，能利用知識圖譜中實體（例如產品、事件）及它們之間的連結，找到更相關的資料。不僅僅是找到和問題文字相似的答案，它還能理解這些實體之間的關係，例如誰影響誰、哪些東西有密切關聯，進而提供更符合問題需求、更具深度的回答。
3. 上下文豐富性：GraphRAG的知識圖譜能夠提供更多的上下文資料，這些資料不僅基於檢索得來的文本，還包含了知識圖譜中各節點之間的豐富語意連結。這些連結幫助大型語言模型生成更準確且具有洞察力的回答。
4. 知識擴展與自動更新：GraphRAG還具備動態更新和擴展知識的能力，透過知識圖譜的即時更新，系統能夠自動擴展查詢上下文並涵蓋更多相關知識，進而確保回答能夠反映最新的情況和知識。

因此，GraphRAG的新增部分使得整體系統在處理複雜問題時，具有更強的語意理解與資料推理能力，特別適合應用於智慧製造、供應鏈管理和技術支持等需要多層次資料處理的場景。

圖1：GraphRAG架構範例

圖片來源：https://www.techbang.com/posts/116888-graphraggithub-starai

【知識圖譜】

知識圖譜（Knowledge Graph）是一種將實體及其之間的關係以圖形結構呈現的知識庫。它能夠將各種不同類型的數據節點（例如人、地點、事件）及其關聯性進行圖形化表示，透過這樣的結構來直觀地展示數據之間的聯繫，主要目的是讓電腦能理解和使用人類的知識，以更自然和更智慧的方式進行回答或推理。

在應用場景中，知識圖譜可以幫助生成式AI更好地理解問題並找到相關的資料點，進而產生更具洞察力和針對性的回應。這使得知識圖譜在自然語言處理、推薦系統、搜索引擎等領域中得到廣泛應用。下圖為知識圖譜的視覺化案例，將不管是數據表格資料、文本、影片、圖片及聲音等不同結構的資料，透過GNN（Graph Neural Networks）構建一種圖譜型的資料格式在資料庫進行儲存，讓LLM能夠更清晰的知道各種人、事、物間的關聯程度，更有效地檢索到真正相關聯的資訊，並利用與查詢相關的知識，提升回應的準確性和品質。

圖2：《權力的遊戲》人物關係圖譜 

圖片來源：https://www.techbang.com/posts/116888-graphraggithub-starai

【GraphRAG是RAG的必定未來】

當前的大型語言模型（LLM）結合基於向量的檢索生成技術（RAG），能夠取得非常好的結果。但是，想要獲取穩定且高品質的結果，就需要跳脫單純的字串匹配，構建超越字詞層面的世界模型。

這與 Google 的經驗相似：為了提升搜尋效果，他們需要理解字串之間所代表的關係，而不只是分析文本內容。現在，AI 領域也出現了類似的趨勢，這個新模式就被稱為GraphRAG。技術的發展就像S型曲線一樣，當一種技術到達瓶頸，新的技術就會接棒。隨著生成式 AI 的進步，應用需求不斷增加，比如追求更高品質的答案、更好的可解釋性、精細的數據控制，以及隱私和安全保障，這些都讓知識圖譜的重要性日益顯著。

 

圖3：生成式AI的進化圖

圖片來源：https://www.techbang.com/posts/116888-graphraggithub-starai

 

封面圖片來源： https://www.techbang.com/posts/116888-graphraggithub-starai

參考資料來源：

1.生成式 AI 的資料救星！GraphRAG 知識圖譜革命，大幅提升 LLM 準確度！：https://www.techbang.com/posts/116888-graphraggithub-starai

2.GraphRAG開源專案，6萬顆星：https://github.com/microsoft/graphrag?fbclid=IwZXh0bgNhZW0CMTEAAR3oEuxmabt71y6R77Yz25NQMq35mLsmp_JCQ092WGoECWh1lR2nSU2znB4_aem_VAKEYs2eryj_ZeuoyfXAaA

3.GraphRAG：革新檢索增強生成的新範式：https://ithelp.ithome.com.tw/articles/10348910

4.Knowledge Graph + RAG | Microsoft GraphRAG 實作與視覺化教學：https://medium.com/@cch.chichieh/knowledge-graph-rag-microsoft-graphrag-%E5%AF%A6%E4%BD%9C%E8%88%87%E8%A6%96%E8%A6%BA%E5%8C%96%E6%95%99%E5%AD%B8-ac07991855e6