ਮਲਟੀ-ਹੌਪ ਰੀਜ਼ਨਿੰਗ (Multi-Hop Reasoning) ਨੂੰ ਸਮਝਣਾ

ਵੈਕਟਰ ਡਾਟਾਬੇਸ (Vector databases) ਸਿਮੈਂਟਿਕ ਸਰਚ (semantic search) ਲਈ ਕੰਮ ਕਰਦੇ ਹਨ। ਉਹ ਲੋਕਾਂ, ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਘਟਨਾਵਾਂ ਵਿਚਕਾਰ ਮਲਟੀ-ਸਟੈਪ ਰੀਜ਼ਨਿੰਗ (multi-step reasoning) ਕਰਨ ਵਿੱਚ ਮੁਸ਼ਕਲ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ।

ਸਟੈਂਡਰਡ RAG ਗਣਿਤ ਦੇ ਅਧਾਰ 'ਤੇ ਟੈਕਸਟ ਚੰਕਸ (text chunks) ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਹ ਡਾਟਾ ਪੁਆਇੰਟਾਂ ਵਿਚਕਾਰ ਲਿੰਕਾਂ ਨੂੰ ਮਿਸ ਕਰ ਦਿੰਦਾ ਹੈ। GraphRAG ਇਸਦਾ ਹੱਲ ਕਰਦਾ ਹੈ। ਇਹ Large Language Models ਨੂੰ ਇੱਕ ਲਾਈਵ ਨੌਲੇਜ ਗ੍ਰਾਫ (knowledge graph) ਨਾਲ ਜੋੜਦਾ ਹੈ।

ਇੱਕ ਟੈਕਸਟ-ਐਟਰੀਬਿਊਟਡ ਗ੍ਰਾਫ (Text-Attributed Graph) ਨੋਡਸ (nodes) ਅਤੇ ਐਜਸ (edges) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

  • ਨੋਡਸ ਉਪਭੋਗਤਾਵਾਂ ਜਾਂ ਉਤਪਾਦਾਂ ਵਰਗੀਆਂ ਇਕਾਈਆਂ (entities) ਹੁੰਦੇ ਹਨ।
  • ਐਜਸ "IMPACTS" ਜਾਂ "CLONED_FROM" ਵਰਗੇ ਸਬੰਧ ਹੁੰਦੇ ਹਨ।
  • ਇੱਕ "ਹੌਪ" (hop) ਇੱਕ ਐਜ ਰਾਹੀਂ ਇੱਕ ਨੋਡ ਤੋਂ ਦੂਜੇ ਨੋਡ ਤੱਕ ਜਾਣਾ ਹੈ।

ਮਲਟੀ-ਹੌਪ ਰੀਜ਼ਨਿੰਗ ਉਹਨਾਂ ਕਨੈਕਸ਼ਨਾਂ ਨੂੰ ਲੱਭਦੀ ਹੈ ਜੋ ਕਿਸੇ ਇੱਕ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਨਹੀਂ ਹੁੰਦੇ।

ਉਦਾਹਰਨ: ਇੱਕ ਉਪਭੋਗਤਾ ਪੁੱਛਦਾ ਹੈ, "ਮੈਂ CSV ਅੱਪਲੋਡ ਐਰਰ ਨੂੰ ਕਿਵੇਂ ਠੀਕ ਕਰਾਂ?"

ਸਟੈਂਡਰਡ RAG ਕੀਵਰਡਸ ਲੱਭਦਾ ਹੈ। ਇਹ ਇੱਕ ਪੁਰਾਣਾ FAQ ਜਾਂ ਕੋਈ ਰੈਂਡਮ ਬੱਗ ਰਿਪੋਰਟ ਵਾਪਸ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਬਿਜ਼ਨਸ ਕੰਟੈਕਸਟ (business context) ਨੂੰ ਮਿਸ ਕਰ ਦਿੰਦਾ ਹੈ।

GraphRAG ਸਹੀ ਰਸਤਾ ਲੱਭਦਾ ਹੈ: (User Bug Report) -> [CLONED_FROM] -> (Master Engineering Ticket) -> [HAS_RESOLUTION] -> (Patch Deployed)।

ਇਹ LLM ਨੂੰ ਅੰਦਾਜ਼ੇ ਦੀ ਬਜਾਏ ਤਸਦੀਕ ਕੀਤੇ ਹੋਏ ਕਦਮ ਦਿੰਦਾ ਹੈ।

ਤੁਸੀਂ ਇਸਨੂੰ ਦੋ ਤਰੀਕਿਆਂ ਰਾਹੀਂ ਕੰਟਰੋਲ ਕਰ ਸਕਦੇ ਹੋ:

  1. ਡੈਪਥ ਟ੍ਰੈਵਰਸਲ (Depth Traversal) ਇਸਦੀ ਵਰਤੋਂ ਖਾਸ ਵੇਰਵਿਆਂ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਕਰੋ। ਇਹ ਰੂਟ-ਕੌਜ਼ ਐਨਾਲਸਿਸ (root-cause analysis) ਲਈ ਉਪਯੋਗੀ ਹੈ। Cypher ਵਿੱਚ, ਤੁਸੀਂ ਹੌਪਸ (hops) ਦੀ ਇੱਕ ਰੇਂਜ ਸੈੱਟ ਕਰਦੇ ਹੋ। ਇੱਕ ਕੁਐਰੀ ਬੱਗ ਲਈ ਰੀਪ੍ਰੋਡਕਸ਼ਨ ਸਟੈਪਸ ਲੱਭਣ ਲਈ 1 ਤੋਂ 5 ਲੇਅਰ ਡੂੰਘਾਈ ਤੱਕ ਦੇਖ ਸਕਦੀ ਹੈ।

  2. ਬ੍ਰੈਡਥ ਟ੍ਰੈਵਰਸਲ (Breadth Traversal) ਪੂਰੇ ਈਕੋਸਿਸਟਮ ਨੂੰ ਦੇਖਣ ਲਈ ਇਸਦੀ ਵਰਤੋਂ ਕਰੋ। ਇਹ ਸਾਰੇ ਤੁਰੰਤ ਕਨੈਕਸ਼ਨਾਂ ਨੂੰ ਦੇਖਣ ਲਈ ਹੋਰੀਜ਼ੋਂਟਲ ਤੌਰ 'ਤੇ ਫੈਲਦਾ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਇੱਕੋ ਸਮੇਂ ਇੱਕ ਉਤਪਾਦ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੇ ਹਰ ਸਪੋਰਟ ਟਿਕਟ ਨੂੰ ਦੇਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।

ਉੱਨਤ AI ਬਣਾਉਣ ਲਈ, ਇਹਨਾਂ ਕੁਐਰੀਆਂ ਨੂੰ ਹਾਰਡ-ਕੋਡ ਨਾ ਕਰੋ। ਇੱਕ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ (multi-agent system) ਦੀ ਵਰਤੋਂ ਕਰੋ:

  • ਕੋਆਰਡੀਨੇਟਰ ਏਜੰਟ (The Coordinator Agent): ਇਹ ਏਜੰਟ ਕੁਐਰੀ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਸਵਾਲ ਨੂੰ ਬ੍ਰੈਡਥ (breadth) ਦੀ ਲੋੜ ਹੈ ਜਾਂ ਡੈਪਥ (depth) ਦੀ। ਇਹ ਯੂਜ਼ਰ ਪ੍ਰੋਂਪਟ ਨੂੰ ਗ੍ਰਾਫ ਕੁਐਰੀ ਲਈ ਇੱਕ ਗਣਿਤਕ ਪੈਰਾਮੀਟਰ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ।
  • ਰੀਕਰਸਿਵ ਰਿਟ੍ਰੀਵਲ ਏਜੰਟ (The Recursive Retrieval Agent): ਇਹ ਏਜੰਟ ਡਾਟਾਬੇਸ ਦੁਆਰਾ ਲੱਭੇ ਗਏ ਨੋਡਸ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ। ਇਹ LLM ਦੇ ਦੇਖਣ ਤੋਂ ਪਹਿਲਾਂ ਮਹੱਤਵਪੂਰਨ ਡਾਟਾ ਰੱਖਦਾ ਹੈ ਅਤੇ ਫਾਲਤੂ ਜਾਣਕਾਰੀ (noise) ਨੂੰ ਹਟਾ ਦਿੰਦਾ ਹੈ।

ਇਹ ਆਰਕੀਟੈਕਚਰ ਅਜਿਹੇ ਸਿਸਟਮ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਆਪਣੀ ਜਾਂਚ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹਨ। ਤੁਹਾਨੂੰ ਉਹ ਮੁਕੰਮਲ ਜਵਾਬ ਮਿਲਦੇ ਹਨ ਜੋ ਵੈਕਟਰ ਸਰਚ ਨਹੀਂ ਦੇ ਸਕਦਾ।

ਸਰੋਤ: https://dev.to/imhyke/understanding-multi-hop-reasoning-how-graph-databases-traverse-data-for-ai-31ml

ਵਿਕਲਪਿਕ ਲਰਨਿੰਗ ਕਮਿਊਨਿਟੀ: https://t.me/GyaanSetuAi