グラフデータベースとその利点の紹介

C++で書かれたGraphen自社開発のグラフ・コンピューティング基盤が、大規模なコンテキストAIを可能にしている。 人間脳の記憶部分の主な目的は、保存された情報を提供し、行動を導くことである。記憶形成のプロセスには、情報の初期の選択と保持、そしてその再収集が含まれる。 人間脳が記憶を作るとき、情報は個々の断片として分離して保存されるのではない。その代わりに、異なる物体や出来事の間につながりを作り、これらの複雑な関係を記憶する。従って、人間脳の記憶機能を実現するためには、異なる対象や事象間の関係を考慮することが不可欠である。そこにグラフ・データベースがその優位性を発揮する。 現実の複雑な問題に関しては、情報を連結して収集し、保存し、処理することが基本である。従来、私たちがデータを処理する場合、それは常に2次元の方法で実施されており、コンピュータや機械が単純な計算や自動化を超えて現実の問題を解決することは不可能でした。Ardiグラフデータベースはそれを超え解決を可能としています。

グラフデータベースは一種の非リレーショナルデータベース（NoSQL）であり、グラフのデータ構造にデータを格納およびクエリします。

他のデータベースとは異なり、関係 は、マップデータベースの先頭の位置を占めます。これは、アプリケーションがデータ接続を推測するために外部キーや帯域外処理（MapReduceなど）を使用する必要がないことを意味します。

リレーショナルデータベースや他のNoSQLデータベースと比較して、グラフデータベースのデータモデルもよりシンプルで表現力豊かです。

リレーショナルデータベースは、実際にはリレーションシップの処理が苦手です。多くのシナリオで、ビジネスニーズは現在のデータベースアーキテクチャを完全に超えています。

相対的に言えば、グラフデータベースは、深く複雑なクエリの場合でも、クエリ速度の点で非常に効率的です。グラフデータベースの場合、データ量が多いほど、関連するクエリが複雑になり、その利点がさらに助長されます。

次の特性を持つデータは、グラフデータベースを介した処理に適しています。

•   大量の書き込みデータが必要
•   継続的で中断のない書き込みが必要な場合
•   フィールド名が固定されていない場合（ソースデータ形式が異なる場合があります）
•   単純なクエリには迅速な対応

Ardi GraphDB の利点

一部のデータベースはネイティブイメージデータベースではありませんが、他のシステムにデータを保存します。

Ardi GraphDBは、ネイティブのグラフデータベースです。使用するバックエンドストレージは、GraphDB用に特別にカスタマイズおよび最適化されており、グラフデータベースのパフォーマンスを向上させます。

データはJSON形式で保存され、データ関係を分析する強力な機能を備えています。

データベースの最下層は、システム効率性と安定性を向上させるためにC ++で開発されています。

同時に、インデックス作成、ファイルストレージ、データインポート、データ取得、視覚化エンジンなどをサポートします。

グラフ分析を通じて、グラフインディケータを取得して、機能エンジニアリングをさらに進め、また隠れた関係を見つけることができます。例は次のとおりです。

•   度の中心性（I / O度の中心性）：関係に出入りするノードの総数
•   近接中心性：ノードからすべてのノードへの最短パスの逆数
•   Betweeness Centrality：ノードを通過する最短パスの数を任意の2つのノード間の最短パスの数で割ったもの
•   PageRank：ノードリンクの数と品質を計算して、ノードの重要性を大まかに見積もります。基本的な仮定は、より重要なノードが他のノードからより多くのリンクを受け取る可能性があリます

Ardi図データベースアーキテクチャ

Ardiのグラフデータベースは、他のAIとは異なるレイヤー構造を持っています。

•   ストレージレイヤー：高性能のネイティブグラフィックストレージ、プロセスストレージ、ストレージエンジンが含まれています
•   分析レイヤー：Ardiのグラフ分析と機械学習アルゴリズムを使用したいくつかの計算モジュールがあります
•   クエリレイヤー：同期または非同期でデータをロードし、アルゴリズムを呼び出し、データと結果を取得するために必要なすべてのサービスを含みます
•   視覚化レイヤー：ユーザーインターフェイスで元のグラフィックデータまたは計算結果をインタラクティブに視覚化します
•   高可用性プロキシサーバー：継続的なシステム操作を保証するために、レイヤー間の通信は標準化されたAPIを介して実現されます

人間脳は、過去の経験から常に状況を分析し、それに基づいて意思決定を行っている。異なる感覚から得たデータを相互参照し、点と点を結ぶことが非常に得意である。つまり、グラフは現実世界における非構造化データを保存し、処理するための自然な方法なのです。

Ardi Analyticsにはグラフ分析と処理の2つの主要な部分があります。Ardi Analyticsはコーディングなしでグラフ分析をサポートします！

プログラミングなしでグラフィック分析をサポート

•   効率的な分析：
• 最小スパニングツリー（MST）、トポロジカル分析（トポロジカル分析）、トラバース、最短パス、Kコア
•   インデックス：
• 中心性とメトリック、 PageRank計算、リンク予測インデックス、クラスタリング係数、類似性ランキング
•   コンポーネントの分析と取得：
• サイクル、エゴネット、強く/弱く接続されたコンポーネント、クリーク、グラフスペクトルクラスタリング
•   予測：
• リンク予測の欠如（Missing Links Prediction）、エンティティ解決（Entity Resolution）、リスク伝播（Risk Propagation）

隠された関係を予測する

Ardi Graph Analyticsでは、教師あり機械学習手法を用いて2つのノード間のリンクの存在確率を予測することで、潜在的なミッシングリンクを検出できます。

•   トレーニングフェーズ：
• 教師あり機械学習アルゴリズムを使用して、XとYの関係をモデル化します
•   予測フェーズ：
• 新しいグラフとトレーニングフェーズでの学習した関係に基づいて、リンクの存在有無を計算します

異常検出ツール

Ardiは、自己またはピアグループの動作との比較から違い・不一致を推定することで、教師なしで異常なノード/リンクを検出します。さまざまな技術には以下を含む。

•   統計：
• データ分布を表すパラメトリックモデルを推定
•   近接性に基づく：
• 離れた場所にあるほとんどのデータポイントを特定する
•   密度に基づく：
• 低密度領域のデータポイントを特定する
•   クラスターに基づく：
• どのクラスターにも属していないデータポイントを特定する

応用分野

•   アリスセキュリティ：
• インサイダー脅威の監視と不正検出
•   アニタファイナンス：
• コアバンクの監視、マネーロンダリング防止、不良債権予測、マーケットインテリジェンス、人工インテリジェンストレーダー、顧客を知る、デューデリジェンス
•   アダムメディカル：
• AI医療アシスタント、診断医学、ゲノムおよびプロテオミクス分析プラットフォーム、精密医学、世界中で300,000を超えるシーケンスされたウイルスのCOVID-19変異の監視

Ardi 機械推論

事前の情報に基づいて論理的な結論を導き出す能力は、人間の認知の本質的な部分である。言い換えれば、推論による人間の脳の理解機能は、人間の知性をユニークなものにしている大きな部分である。記憶された情報によって、人間は事象間の関係を理解することができるため、異なる情報間の関係に基づいて問題を解決することができる。

効果的なAIシステムを構築する上での主な課題の1つは、不確実な条件下で学習し、推論する能力です。 Ardiの実証済みで成功したアプローチは、ベイジアンネットワークフレームワークに基づいています。ベイジアンネットワークフレームワークは、次の目的で表現力豊かな視覚的および定量的ツールを提供します。

•   代表的な推論手順の学習と表現
•   変数間の因果関係を理解

この強固な基盤の上で、Ardiの機械推論は、リスク行動の予測精度を10倍向上させることを実現。

推論タイプ

•   診断：
• ある影響に関する証拠を考えると、この理由の認識をどのように変えるか？
•   予測：
• 証拠を考えると、予測される結果は何か？
•   因果関係：
• 原因とその結果についての証拠を考えると、他の原因の認識をどのように変えるか？
•   複合：
• 背景の原因と結果の証拠がある場合、中間ノードの新しい認識は何か？

なぜベイジアンネットワークを推論に使用するか？

•   実際のデータのグラフィック表現：
• 条件付きの独立性とグラフィック言語により、現実世界のデータ分散構造をより適切に表現できます​
• グラフ構造はより多くの洞察を提供でき、ベイジアンネットワークアーキテクチャを使用してドメイン知識を探索できます​
• 元のドメイン知識とデータ配布を使用して、グラフィックアーキテクチャを取得できます​

•   学習したベイジアンモデルは分析の限界を解決
• 学習したモデルは、さまざまなタスクに使用可能
• 確率的学習のすべての機能をサポート
• 不足しているデータと非表示の変数を処理し、不足しているデータと非表示の変数をサポート

•   ベイジアンネットワークを使用した機械推論：
• 有向非周期的グラフ（DAG）構造に従うネットワークモデル
• 特定の頂点の各頂点の条件付き独立性をコーディングし、ある変数の変化が異なるレベルで別の変数にどのように影響するかを測定
• モデルを生成し、任意のクエリに答えることが可能

学習とは、情報とアウトプットを分類し、将来のタスクのために保存する反復プロセスである。学習の重要な部分は、経験から一般化することです。

Ardi Learningには、学習モデルをオンラインでトレーニング、テスト、管理する機械学習が含まれています。過去のデータから特定のパターンを認識することで、ユーザーはより良い意思決定を行うことができる。また、機械が学習モデルを超えて自己進化することを可能にする自律学習も含まれており、既存のデータやプロセスの限界をブレークスルーするのに役立ちます。

Ardiは、次の機械学習（ML）アルゴリズムをサポートしています。

•   分類：
• サポートベクターマシン、XGBoost、LightGBM、ランダムフォレスト（ランダムフォレスト）、デシジョンツリー（デシジョンツリー）
•   回帰：
• 通常の線形回帰、リッジ回帰、ロジスティック回帰
•   クラスタリング：
• K-means、バーチ
•   深層学習：
• レイヤーの挿入/削除、リカレントニューラルネットワーク（RNN）、ディープニューラルネットワーク（DNN）、コンボリューションニューラルネットワーク（CNN）、グラフニューラルネットワーク（GNN）

ArdiMLモジュール

Ardi Learningは様々なモジュールでデザインされています。最先端のトランスファー学習とハイパーパラメータ探索技術により、学習コードを記述することなく、高品質なカスタム機械学習モデルを簡単に開発することができます。また、Ardiのデータラベリングサービスでは、より良い機械学習モデルを得るために、手動タグ付け者が提供する高精度のタグを作成することが可能です。

•   モデルトレーニング：
• ユーザーは機械学習モデルとアルゴリズムを選択し、パラメーターを柔軟に調整可能な便利な機能
•   モデルの展開：
• モデルの実行、展開、実行の頻度を設定するためのユーザーサポート
•   モデルの最適化：
• モデルを柔軟に最適化するためのユーザーサポート
•   モデル評価：
• 精度と想起を含む、回帰と分類の一般的な評価基準のサポート
•   モデル管理：
• データのインポート、モデルタイプ、保存されたモデル、アクセス、および展開のさまざまな機能を統合的にサポートします。外部プラットフォームでトレーニングされたモデルのインポートをサポートします。自動生成されたモデルバージョンをサポート

自律学習

•   例：
• 不完全なトレーニングラベルによる自律学習
•   不完全な学習：
• 不完全な学習：不完全なアノテーションから開発された教師あり概念学習のための機械学習理論とアルゴリズム
• 不完全なアノテーションを取得するために開発された方法 - クロスモダリティ情報やWebリンクからの学習
• 概念モデルを生成するアルゴリズムとシステムを開発 - 不確実なラベリング密度を持つ新しい一般化された複数インスタンス学習アルゴリズム

応用分野

•   アリスセキュリティ
• インサイダー脅威の監視と不正検出
•   アニタファイナンス：
• コアバンクの監視、マネーロンダリング防止、不良債権予測、マーケットインテリジェンス、人工インテリジェンストレーダー、顧客を知る、デューデリジェンス
•   アダムメディカル：
• AI医療アシスタント、診断医学、ゲノムおよびプロテオミクス分析プラットフォーム、精密医学、世界中で300,000を超えるシーケンスされたウイルスのCOVID-19変異の監視

戦略形成 Strategy

仮説の評価 - ストレステストと仮定条件のさまざまな状況スコアに従って、不完全なフィールドが予測され、新しい情報が発見または提供されるとスコアが更新されます。

•   顧客の行動とコントロールグループを包括的に分析する方法
• 顧客の行動と関係の変化を分析することにより、顧客のリスクを評価
• 同じ業界での自己またはピアグループの動作の違い
• 頻度や疑わしい相手を含む異常な取引行動を検出

•   機械学習ソリューション：
• 時系列分析
• 教師あり機械学習：回帰、クラスタリングなど。
• 教師なし機械学習：クラスタリング、ローカル異常因数分解など。

応用分野

•   アリスセキュリティ：
• インターネット情報セキュリティ
•   アダムメディカル：
• 病歴分析、遺伝子検査

説明性 Explanation

可視化-構成可能なユーザーインターフェイスを使用して、データベース内のデータ分布を表示し、ユーザーがデータ分析に使用するための表示ページを出力し、問題と解決策を提示するのに役立ちます。ユーザーがAIの他の機能から得られる結果を理解するのに役立ちます。

説明可能性-結果予測の各入力特徴値の重みを計算し、特徴値が高すぎる、または異常であるなどの各予測を説明することにより、モデル構築者がモデルをデバッグするのに役立ち、またモデル関係者に透明性を提供し、モデルから特定の予測や決定がなされる理由をよりよく理解できるようにします。

Graphen AI Explainerには、次の機能が含まれています。

•   モデルに依存しないローカルで解釈可能な説明
•   ローカルレベルでモデルに最も近い線形モデルを生成
•   ポイントを取り、その近傍に複数のポイントを生成
•   上記の手順の結果に基づいて線形モデルを生成
•   各入力特徴量の重み付けを計算

思考プロセス Pipeline

Ardiは、シームレスなAIプロジェクト管理を実現するために、世界最大の銀行のいくつかに導入されています。

•   タスクの配置
•   タンデムタスクステップ
•   本番アプリケーションをリリース
•   各ステップのステータス監視

以下を含む、プロセスの計画、実行、および監視全体を自動化できます。

•   データの前処理
•   ダイアグラムの作成とロード
•   モデルのロード/トレーニング/実行/予測
•   自動レポート生成

機械の知覚 Sense

理解とは、人間脳がどのように世界を認識し、世界と関わっているかということである。感覚が刺激されると、人間脳は特定の信号を受信し、さまざまな感情や行動を引き起こします。Ardi理解には、自然言語処理（NLP）と画像の深い理解（Deep Video Understanding）が含まれ、機械が言語や画像を通してさまざまな入力を識別し理解するのを助けます。

自然な言語理解(NLU)

Ardi理解の助けを借りて： NLP Sentimentsを使用すると、ユーザーは文脈の中で自然言語によって表現された感情を分析することができます。論理学と言語学を使用して意味論を考慮し、文脈に基づいてテキストの意味を特定・確立することで、機械がさまざまな感情を文脈的に理解できるようにします。

•   Named-Entity 認識 - 上流と下流のメーカー、サプライヤー間の関係、相互に影響を与える方法など、産業チェーンにおける組織の関係と役割を分析
•   Sentimental 分析 - 世論分析、否定的なニュースを文脈的な感情の理解
•   Summarization - 多数のドキュメントを分析し、ドキュメントの要約を生成。重要な情報を抽出し、複数のドキュメント情報を統合

深いビデオの理解（Deep Video Understanding）

Ardi理解 ：Deep Video Understandingは、長期的なマルチモーダル入力を介してエンティティ間の関係を自動的に推論し、様々なクエリタイプに対応するための知識を抽出します。

•   性別、年齢、感情認識、顔認識、話者認識、シーン認識、音声認識、言語分析を通じて、人工知能のさまざまな能力を組み合わせて、キャラクター間のインタラクティブな関係を理解し、ビデオ・画像全体の人と物の関係の知識グラフを構築します。何が起こったのか、人と物がどのように関係しているかに答えるために使用されます。
•   たとえば、2人が一緒に歩くビデオ・画像では、最初に性別、年齢、表情などからカップル、親子、夫婦、友人、兄弟などの関係を推測し、次にビデオ・画像の長期的な蓄積されたデータから関係を推測し、事象の変更を見つけます。

AI人工知能はマネーロンダリングのパターンと特性を判断します

・マネーロンダリングモードを検出するための動作モデルのインポート

・モデル最適化のための機械学習管理モジュール

マネーロンダリングの4つの主要なリスクの包括的な評価

・包括的な検出は、4つの主要なリスクによって実行されます。これらのリスクは、さらに次のように分類できます。

ネイティブリスク：顧客、営業担当者、保険証券、金融商品などから。自己リスク評価指標、またはブラックリストなど。

既知の疑わしいパターン：拒否された取引と理由、短期間の取引内容の頻繁な変更、リスク管理ユニットによって確立された追跡リストとその過去の行動、関連ユニットが記録を保持する原因となった行動、既存の営業担当者の規則の違反などを含みます。

関係リスク：グラフデータベースを介したグラフィカルな分析により、営業担当者の関係のリスク、顧客関係のリスク、ネットワークの変更などを分析できます。

行動リスク：監視付きおよび監視なしの学習のための機械学習を通じて、一般的な行動を検出し、行動パターンを確立できます

・総合リスクスコアは、4つの主要なリスクから計算されるため、マネーロンダリング防止の監督者は、リスクの高いケースを優先することができます。

損失を防ぐためのリアルタイムのトランザクション監視

・インスタントルールレビューとマネーロンダリングリストスキャン

・システム接続によるマネーロンダリング検出のリアルタイム通知

グラフを介して複雑なクライアント関係を分析する

透グラフデータベースは、顧客間の関係を分析し、不良債権の可能性を予測します。これにより、リスク管理担当者はデフォルトのリスクを監視して、即座に対応する処理を行うことができます。

クレジットプロセスにおけるリスク特定の正確性、適用範囲、適時性をさらに改善し、最前線の事業部門、クレジット部門、リスク管理部門の管理の有効性、効率、コンプライアンスを改善し、リスクリターンと投資収益率のレベルを改善します。

各関連付け関係から新たに発見された暗黙の関連付けを統合する接続コンポーネント（接続コンポーネント）を確立し、グラフ分析手法を使用して、主要な顧客のリスクとリスク伝達モードおよびその規制率を見つけ、最終的に安定性を達成します。　バッチクエリ、出力、呼び出し、分析結果の相互作用、および現在のシステムとの効果的な接続をサポートします

デフォルトモードを検出し、伝達を危険にさらす

グラフインジケータを介して顧客の行動パターンを表示する

デフォルトのアカウントが他のアカウントのデフォルトにつながる可能性を予測します

グラフインジケータは、機能の1つとして機械学習モデルにさらにインポートでき、モデルはトレーニングを通じてさらに最適化できます。

保険のセールスマンまたは顧客に対する保険詐欺の可能性

グラフデータベースを確立した後、グラフ分析を実行して隠れた関係を見つけます

機械学習は、既知の疑わしいパターンを通じて行動モデルを作成します

グラフデータベースと機械学習は互いに補完して結果を最適化できます

グラフ分析用のグラフインジケーターは、機械学習モデルの機能としても使用できます。

機械学習機能値ランキングリストとブラックリストラベルは、グラフデータベースに入力して新しいグラフを作成できます。

グラフデータベースと機械学習のクロスアプリケーションにより、結果をさらに最適化し、検出精度と速度を向上させることができます。

行動モデルを通じて異常を検出する

従業員による不正行為のためにFSCによって開始された従業員のための10の戒め

従業員を採用する際には、デューデリジェンス手順を実施する必要があります

従業員の行動規範が明確に規定されており、あらゆる形態のエスクロー、不正取引、不適切な勧誘などがあります。

適切で効果的な管理システムを確立し内部検証メカニズムを実装します。代表者がお客様に電話し、業務内容を確認します。これは外国銀行で採用されている一般的な不正防止方法です

入出金の不正な取り扱い、保険証券の転換、その他の顧客の操作を回避し、事前宣伝、イベント管理、事後チェック（ランダムチェックアウトドロワーなど）などのメカニズムを通じて不正を防止します。例えば、専門家がお客様に代わってカウンター作業を行うためにお客様の印鑑を持参することなどは固くお断りいたします。

従業員がオンラインバンキング取引のために顧客と同じモバイルデバイスを共有しているかどうかを確認するため、事業部門向けの「IPアドレス警告チェックレポート」の定期的な作成を通じて、投資の詳細の確認を顧客に提供するために取引レター、バランス等を顧客に随時送信します。

クライアントとの私的資金交換を回避するために、アカウント監視メカニズムなどを確立する

銀行以外の商品を宣伝しないように専門家を規制し、支店の監督者を通じて顧客取引商品の内容を確認します

情報セキュリティチェックメカニズムを確立し、管理部門またはコンピューターに同様の自作ステートメント文書があるかどうかを確認し、管理部門が部門に代わって顧客ステートメントを収集することを禁止し、サードパーティの監視メカニズムを確立します

プロジェクトレビューとして、財務管理ビジネスの内部管理が不足しているユニットが多数ある支店、ビジネスまたはトランザクションの量が異常に増加している支店、またはトランザクションが異常な専門分野を含める

特別休暇のレビューメカニズムや、従業員が空白の伝票や自作の発言を持っているかどうかなど、重要な問題について話し合い、レビューします。

人工知能とグラフデータベースをインポートして、行動パターン検出違反と詐欺の関係グラフを確立します

詐欺マップモデルを確立し、システムがパターン比較を実行します

異常な行動を検出するための行動モデルを確立する

ルール管理システム

ビジュアルインターフェイスを介してルール管理プロセスを簡素化します

既存のルールのしきい値、パラメーター、プリセットなどをいつでも調整し、同時にバージョン制御モードをサポートします

インターフェイスを介して設計し、新しいルールを追加します

不正検出は、次のさまざまな領域に適用できます。

銀行詐欺

クレジットカード詐欺

詐欺

保険詐欺

医療詐欺

財産保険詐欺

事故保険詐欺

銀行の中央管理センターリアルタイム監視システムは、本社がリアルタイムで運用状況を把握するのに役立ちます。例えば

• オンラインバンキングとモバイルバンキングの利用状況
• クレジットカードと銀行預金およびローン口座の顧客サービスと新しい口座のステータス
• 世論の監視
• 各支店および各ATMマシンの異常状態
• 外国為替市場の検出

貿易金融のデューデリジェンス Smart Due-Diligence

貿易金融におけるリアルタイム取引の監視および調査プロセスのための自動化されたワークフロー

一元化された貿易金融のデューデリジェンスと関連データ管理システム

デューデリジェンスの質と効率を改善し、人為的ミスと偏見を減らします

SmartDDを使用すると、次の問題を解決できます。

•   商品/サービスが売り手と買い手（つまり、申請者と受益者）のビジネスの性質と一致しているかどうかを比較します
•   顧客の取引記録を期待される行動と比較する
•   取引と出荷の規模が輸出業者/輸入業者の事業活動および製造能力と一致しているかどうかを確認します
•   ニュース検索結果は、トランザクションのすべての関係者にとって否定的か

市場情報のリアルタイム監視

マーケットインテリジェンスは、取引システムとロボットアドバイザリーシステムがそれに応じて対応できるように、市場の状況を大規模にリアルタイムで監視することに依存しています。また、サードパーティのアプリケーションや通常の人間による顧客の決定の基礎にもなります。

米国で最大の26のソーシャルネットワークで監視タスクを主導した経験があり、リアルタイム分析用のそのようなシステムを構築することができます。我々のチームは、このような大きな作業負荷への対処方法、大規模な行動の推論、動機の分析、影響と普及の予測、情報の正誤の判断、意図の判断、地理的空間と文化的影響の分析などを理解しています。

Ardi AIプラットフォームを使用することで、アナリスト、サブスクライバー、AIトレーダーなどに、リアルタイムの市場の変化をよりよく理解するのに役立つ洞察を提供することができます。

グループ全体でのデータの安全な共有

銀行の場合、消費者および金融商品のデータと資料を公開して共有することで、業界を超えた協力の機会が大幅に増加しました。ユーザーの同意を得て財務情報を共有し、APIを開いて、サードパーティの開発者が金融機関の外部でサービスやアプリケーションを作成できるようにします。共有価値を強調し、さまざまな業界と協力することで、ユーザーは金融においてより大きく、より透明性の高い選択肢を持つことができます。

ただし、データ共有には、データセキュリティとビジネスシークレットという、突破する必要のあるいくつかの大きな問題があります。貸付業務を例にとると、貸付申請を受理すると、照会依頼が暗号化されてクレジットデータベースに送信され、各銀行の顧客ローン記録が暗号化されてクレジット集中型データベースに送信され、個々の銀行は自分の銀行データのみを復号化できます。これにより、銀行自身の商業上の秘密が保護され、銀行のローンリスクが軽減されます。また、プラットフォームには、情報が何であるかを知る方法がありません。

これは、完全ホモモルフィック暗号化テクノロジーによって実現されます。暗号化されたファイルが操作され、暗号化された結果が取得されます。復号化された結果は、プレーンテキストでの禁止された操作と同じであり、暗号化されたデータを検索して比較できます。

消費者のための全遺伝子分析サービス

遺伝子検査は、DNAからの遺伝的遺伝に関連する疾病、体質、または個人の特徴を評価する技術であり、精密な医学的分析の方法ですが、従来の方法では、大量のデータを比較および分析するために多くのリソースが必要です。AI遺伝子解析の開発においてより多くの利点をもたらします。

Graphenがグラフデータベースと機械学習/深層学習技術を使用して開発したGraphen Genomicsは、疾病の進行に影響を与える可能性のある遺伝子、タンパク質、その他のオミクス情報の影響を分析し、さらに疾病の進行を予測できるオミクス分析ツールです。リスク、消費者に完全な遺伝子分析サービスを提供する。

タンパク質構造の予測と相互作用の分析

生物学の中核となる原理は、DNAからRNAを形成してタンパク質を形成することです。タンパク質は、小さな機械のように、体の操作の基本単位です。伝統的に、タンパク質がどのように機能するかを知りたい場合は、電子顕微鏡または他の方法を使用してそれを観察する必要があります。

しかし、近年の人工知能技術の進歩により、まず第一に、タンパク質の三次元構造は、物理的な観察を必要とせずに、遺伝子配列（DNA / RNA）から直接コンピューターによって首尾よく予測された可能性があります。将来的には、タンパク質の動的な変化と相互作用をさらに予測して、病気の経過を洞察し、薬の開発と効果の予測を支援することが可能になるかもしれません。これらの科学的進歩が達成できるとき、生物医学の方法はおそらく途方もない変化を受けるでしょう。私たちは今、新しいデジタル医学の始まりにいるのかもしれません。

Graphen Genomicsは、遺伝子からタンパク質の3次元構造を直接予測するAI技術に基づくシステムを開発しました。将来的には、このシステムは、人間のタンパク質の検出を組み合わせて、消費者のために遺伝子タンパク質レベルで彼の体の現在の状態を分析します。環境と時間の蓄積の後に臨界点に達した先天的な問題のいくつかは何ですか。 。同時に、タンパク質のダイナミクスと相互作用をより明確に理解した後、病気の経過をより正確に予測し、個々の薬の有効性を予測し、さらには発展させることができることも願っています。

病歴分析とリスク予測

医療における人工知能の応用は、現在、画像分析に主眼を置いているため、人工知能を利用した医療画像解釈の技術が急速に発展しています。 Graphenでは、テキストナレーションなどの他のタイプのアプリケーションに焦点を当てています。医療テキストの説明資料には、外来患者のデータと医療記録のほか、入退院の管理内容、救急部門の説明テキストが含まれます。

•   S（主観的データ）：
• 患者の主な苦情、症状、発症時期、現在、過去、および個人の病歴を含む、主観的および意識的な症状
•   O（目的データ）：
• 検査結果や各種検査報告書を含む医療スタッフの客観的検査結果
•   A（評価）：
• 医療関係者の診断評価、すなわち診断または印象
•   P（計画）：
• 治療、医療命令、処方箋などの治療計画

Graphenは、人工知能を使用して非常に多くの医療関連サンプルを読み取り、テキストナラティブ分析を通じて病歴と医療記録をさらに解釈し、同様のケースを比較します。最終的にリスク予測を提案し、医師の診断を支援し、精密投薬を改善し、医療費を削減し人々の生活の質を向上させます。

車両修理と故障部位のリスク予測及び高度車両管理

人工知能と自動車産業の組み合わせ現在、ニューラルネットワークは、自動車の空調システム、ギアボックスの位置とロジック、ACCのアクティブな車両距離、エンジン燃料噴射、およびその他の制御リンクで正常に使用されています。将来的には、これらの技術は、運転行動と保険料の相関関係、頻繁な運転間隔とメンテナンス間隔の相関関係など、より多くの車両習慣の制御にさらに影響を与えるでしょう。それでも、車両自体の技術は、運用バリューチェーンにさらに影響を及ぼします。たとえば、人工知能を使用してサービスファクトリの管理を合理化および効率化し、AIを使用してサービスファクトリのパフォーマンスを向上させ、またISO14001環境管理を向上させます。

自動車のメンテナンス市場では、現在、効率に影響を与える2つの大きな問題があります。メンテナンスデータを見つけるのが難しいことと、障害診断の効率が低いことです。 Graphenの目標は、人工知能を商品化し、それを自動車修理の垂直分野と統合することです。OBD2データ、FFDセンサーデータ、修理履歴などをグラフデータベースで診断データベースを構築し、機械学習と深層学習でモデルを構築しました。将来的にはさらに少ないデータでも故障リスク予測を行い、事前に必要なメンテナンスサービスを積極的に提供します。また今後実現するドライバーレスの自動運転車両の遠隔による車両診断を通して事業者に向けて高度管理の実現を図り、安全・安心に向けた取り組みを進めます。

ソーラーファームのリアルタイムモニタリングとリスク分析

Graphen Energyの目標は、Ardiプラットフォームに基づいて、エネルギーAIに必要な主なアプリケーションを構築することです。

• 電力品質分析
• 電界と電力システムの異常分析
• 分散型エネルギー源と負荷予測
• グリッドフロー分析
• 予測メンテナンス
• パワー管理

送電網がますます複雑になり、特に新しいエネルギー/再生可能エネルギー源がますます一般的になるにつれて、従来の送電網管理方法に大きな課題がもたらされます。たとえば、再生可能エネルギーの不安定性、負荷パターンの変化と予測不可能性、多数の新しいエネルギーポイント、電気自動車やIoTセンサーなどの電気を使用するさまざまなデバイスはすべてAIの支援を必要とします。さらに高度な情報セキュリティ攻撃は、より多くの不確実性をもたらしました。

Graphen Energyの最初の製品は、ソーラーファーム向けのAIリアルタイム監視システムです。このシステムは、会社全体の電力量を監視し、場所、時間、天候などを考慮して発電量を予測し、異常を検出します。異常が見つかった場合は、最適な修理メーカーに直接依頼し、派遣・修理状況を自動で追跡します。このシステムはデスクトップバージョンとモバイルバージョンを提供しているため、マネージャーとメンテナンス担当者は効率を最適化するためにリアルタイムのメッセージを見ることができます。

情報ネットワークのセキュリティと企業の異常分析

Graphen Securityは、高度な情報セキュリティテクノロジーを提供し、会社の情報ネットワークをスキャンし、各エンドポイント・端末の動作を分析・理解します。機械学習、グラフ分析、および機械理解を使用して、内部の異常を検出します。各エンドポイント・端末の正常な動作を長期間にわたって把握し、異常な場合の動機を把握します。

異常と動機が明確に特定されると、システムは次の異常な動作が何であるかを予測し始めることができます。このようなAI異常検出システムは、各企業の長期脅威（APT）、内部脅威（漏洩、妨害）、IoTセキュリティなどの幅広い分野に適用できます。

コンシェルジュ Aiia | Concierge Aiia

適用範囲：ランドマーク、会議センター、病院、ホテル等

未来のカスタマーサービスへようこそ。私たちのデジタルコンシェルジュがいつでもサポートを提供します。病院、ホテル、庭園、テーマパーク、博物館、会議センターなど、どこにいても、私たちのバーチャルコンシェルジュがお手伝いします。

• 紹介 Introduction
  ご到着と同時に心温まる歓迎の言葉と会場の基本情報を提供し、状況をしっかりと把握できるようサポート
  
  
• ナビゲーション Navigation
  専門的なガイドで目的地までスムーズに到着できるようにし、ストレスフリーな探索を実現
  
  
• 問い合わせ対応 Inquiry Resolution
  速やかな方向案内、推奨、質問への専門的な回答を提供し、シームレスな体験を提供
  
  

成功事例

2024年、Aiiaは迎賓役としての役割を拡大し、顧客サービスにおける適応性と卓越性を示しました：

• マンハッタン（2024年4月）： Aiiaは高級セミナーで受付を務め、参加者に情報提供、案内、個別サポートを行いました。
  
  
• シンガポール（2024年5月）： Aiiaは大規模会議でその応答能力を発揮し、参加者にシームレスなサポートを提供し、全体の体験を向上させました。
  
  
• 台北（2024年5月〜）： 病院のロビーで、Aiiaは情報提供担当者として機能。患者や訪問者を案内し、質問に答え、病院のスムーズな運営を継続サポートしており、更に機能・役割の増加を図っております。
  
  

レジアシスタント Aiia | Cashier Aiia

適用範囲：ファストフード店、ドリンク店、カフェ等

長い列とはお別れ！便利なデジタルレジサービスをお楽しみください。ファストフード店での軽食でも、爽やかなタピオカミルクティーを楽しむ時でも、バーチャルレジアシスタントが取り扱いスピードを向上させます。

• 注文サポート Order Assistance
  注文から支払いまでのプロセスで、個別にサポートを提供し、各ステップが効率的かつ正確であることを保証します。
  
  
• 支払い処理 Payment Processing
  注文の迅速かつ安全な支払い処理を提供し、お気に入りのファストフード店やタピオカミルクティーショップでスムーズなチェックアウト体験を提供します
  
  

成功事例

音声注文サービスの導入

2023年10月〜 | ニューヨーク・マンハッタン

最先端のGraphen Aiiaインタラクティブ音声注文サービスが、ニューヨーカーの食事体験を一新しました。この導入は、Graphenが先進的な人工知能を通じて顧客インタラクションを向上させるというコミットメントを示しています。

詳細については「店舗ソリューション (Store Solution)」をご覧ください。

セールスアシスタント Aiia | Sales Aiia

適用範囲：小売店、ショッピングモール、展示会場等

ショッピング体験を向上させるために、デジタルセールスアシスタントがいつでもお手伝いします。店舗でのブラウジング、ショッピングモールでの散策、または製品展示会への参加など、バーチャルセールスアシスタントがサポートします。

• 製品情報 Product Information
  製品やサービスに関する詳細情報を提供し、自信を持って賢明な決定を下す手助けをします。
  
  
• 推薦 Recommendations
  お客様の好みやニーズに基づいたパーソナライズされた推薦を提供し、ショッピング体験と満足度を向上させます。
  
  
• ショッピングサポート Purchase Support
  製品の選択から取引の完了まで、シームレスなショッピングサポートを提供し、お客様のショッピングの旅がスムーズで楽しいものとなるようにします。
  
  

成功事例

デジタルセールスアシスタントを小売店に導入

2023年12月〜 | ニューヨーク・クイーンズ区

12月より、私たちのAiia音声インタラクティブセールスアシスタントがアメリカの著名なチェーンテクノロジー小売店でサービスを開始し、その多機能性と顧客サービスの向上、問い合わせの管理、在庫管理など含む日常の店舗運営のサポートにおいて効果を示しております。

看護アシスタント Aiia | Nurse Aiia

適用範囲：病院、クリニック、医療機関等

より便利な医療サポートを提供するために、デジタル看護アシスタントがいつでもサポートと情報を提供します。病院、クリニック、またはその他の医療機関においてバーチャル看護アシスタントが支援します。

• 医療サポート Medical Assistance
  基本的な医療指導とサポートを提供し、傷の処理、薬のリマインダー、一般的な健康相談を通じて健康を維持するサポートをします。
  
  
• 健康教育 Health Education
  包括的な健康教育資料とリソースを提供し、健康やライフスタイルに関する明確な決定をサポートします。
  
  
• 薬のリマインダー Medication Reminders
  バーチャル看護アシスタントを通じて、薬のスケジュールをタイムリーにリマインドし、健康管理と治療計画の遵守を確保します。
  
  

成功事例

デジタル看護が病院で実施

2023年11月〜 | 台湾

2023年11月に、彰化と台北の主要病院でデジタルバーチャルアシスタントAiiaを成功裏に導入しました。Aiiaは医療分野において著しい変革をもたらし、看護スタッフの業務負担を大幅に軽減しました。毎日14時間稼働するAiiaは、看護師が通常担当する業務の約60%を処理し、作業効率を大幅に向上させ、医療専門職が患者ケアにより集中できるようになりました。

オフィスアシスタント Aiia | Office Assistant Aiia

適用範囲：オフィス、企業環境等

オフィスの業務効率を向上させるために、デジタルオフィスアシスタントが総務＆業務タスクを処理し、リアルタイムの情報を提供します。

• 総務タスク Administrative Tasks
  スケジュール管理、会議の調整、日常のオフィス業務を正確かつ信頼性高く管理します。
  
  
• 情報管理 Information Management
  最新の経済ニュース、会社の動向、その他の関連情報を提供し、意思決定をサポートします。
  
  
• 創造的サポート Creative Assistance
  AI技術を活用して、商品情報、仕様、社内規則、関連法令などを学ばせ、スタッフトレーニング等へ適用し高度な役割を担いスタッフをサポートします。また、画像、プレゼンテーションなどの生成を支援し、作業効率と創造性を向上させます。
  
  

顧客サービス Aiia | Customer Service Aiia

適用範囲：カスタマーサポートセンター、サービスデスク、モバイルプラットフォーム等

顧客サービス体験を向上させるために、デジタルアシスタントがタブレットやスマートフォンでサポートします。Aiiaは、さまざまなプラットフォームでタイムリーかつ効果的な顧客サービスを提供します。

• 問題解決 Query Resolution
  顧客の問い合わせに迅速かつ正確に回答し、満足度を向上させ、待ち時間を短縮します。
  
  
• サポートチケット管理 Support Ticket Management
  サービスリクエストを効率的に処理し、問題を追跡し、顧客に更新情報を提供して問題を円滑に解決します。
  
  
• 顧客との交流 Customer Interaction
  パーソナライズされたインタラクションを通じて顧客との良好な関係を築き、サービスの全体的な質を向上させます。
  
  

小分子核酸薬物

西暦1687年、ニュートンは万有引力の法則と運動の三法則を発表しました。この瞬間から、物体の運動速度と相互作用が予測可能となり、産業革命の基礎が築かれました。その後の200年以上にわたり、人類文明に巨大な変化をもたらしました。

西暦1972年、ノーベル賞受賞者のクリスチャン・アンフセンは、受賞演説で「いつか人類がアミノ酸配列から生物体の構成単位であるタンパク質の実際の構造を予測できるようになり、その結果、生物体の運営原理や薬物の効果をより科学的かつ精密に理解し、予測できるようになることを夢見ている」と語りました。50年後の今日、最近5年以内に登場した最新のAI技術を組み合わせることで、この夢が実現しつつあります。2021年12月、科学誌は「AI技術を用いてタンパク質構造を成功裏に予測した成果」を、その年の最大の科学的業績として挙げ、体内遺伝子編集、古代化石DNAの再構築、新型コロナウイルスワクチン、人工抗体などの発明を超えるものでした。

2020年5月、ABI医療白書は、GraphenとGoogleを薬物開発に最も重大な影響を与える2社として掲載しました。GoogleのDeepMindがAlphaGoを発明した後、この先進的AI技術を生医療分野のタンパク質構造予測競技に持ち込みました。初参加で、20年以上にわたり約40-50%であった精度を90%近くまで向上させ、夢の実現に光をもたらしました。GraphenはAIグラフネットワーク計算、深層学習、生成AIを組み合わせて、Graphen Atomシステムを開発しました。これには、タンパク質構造予測、タンパク質機能予測、タンパク質結合予測、ADMEモデル予測、大規模ゲノム知識推論と理解などが含まれており、現在主流のAI適用と比較してより高効率、高特異性、低副作用のさまざまな候補薬物の高速な生成を実現しました。将来的には、人類の70%の疾病治療に貢献し個人医療につながる可能性を示しています。

抗体薬およびワクチン設計

前期開発研究

• 抗体-ウイルスタンパク質結合よるワクチンエネルギー予測
• ウイルス変異株の免疫逃避予測

ワクチン設計と最適化

• ワクチン免疫エピトープ領域の最適化
• ワクチン候補の構造設計
• ワクチン候補物と抗体構造の親和性の精緻化

Graphen のワクチン設計と最適化モデルは、ワクチンタンパク質の免疫原性と抗体や免疫細胞からの免疫逃避能力を分析します。このモデルは高い効果を発揮し、ウイルスの変異を考慮に入れています。

AI によって強化された効果的なワクチン！

個人化薬物設計

医療ドメイン知識

• グラフデータベースには複雑な医療研究と希少疾病のデータが含まれています
• これらの疾患およびその効果的な治療法について深く理解する

患者中心の薬物開発

• 希少疾患に関連する遺伝子変異とパスウェイを解明
• ゲノム解析、プロテオーム解析、環境解析を組み合わせ、個人の電子医療記録と連携
• 希少疾患に対する効果的な薬物の設計と開発

Graphen の個別化希少疾患薬物開発は、深いドメイン知識と個々の遺伝子変異の理解に基づいています。このシステムは、希少疾患の治療に向けて特異的で個別化された効果的な薬物を設計します。

個別化と精密医療を通じて、希少疾患の治療に自信を持って取り組みます。

核融合技術の開発

核融合技術の複雑性は、特に高リスクの環境において精密な監視と制御を要求します。私たちの目標は、先進的な人工知能システムを開発し、核融合システムの安全性を確保し、その出力を向上させることです。このAIシステムは、以下の方法でこれらの目標を達成します：

• リアルタイム監視：プラズマプロセスの映像やその他の目に見えない信号（例えば、圧力、電流）を通じて、反応炉を継続的に監視し、重要なイベントを分類します。
  
  
• 継続的な最適化：システムの出力をリアルタイムで最適化します。
  
  
• 長期的なメンテナンス：核融合反応炉および関連機器の長期的なメンテナンスを行い、システムの安全性と出力の持続的な向上を確保します。
  

Graphen の AI システムは、核融合システムの安全性を向上させ、システムに危険が発生した際には自動でシャットダウンまたは再起動する機能を備えています。これにより、システムの安定性を保ちながら、エネルギー技術の突破と革新を推進します。

AIソリューションを通じて、より安全で効率的な核融合技術を提供し、未来のエネルギー需求に貢献します！