عربي БГ বাংলা ČS DA DE ΕΛ EN ES ET FI FR GA हिन्दी HR HU IT 日本語 LT LV MT NL PL PT RO РУ SK SL SV 中文

MI Kihívás

Tervezzen egy tisztán szimbolikus, kizárólag CPU-n futó kérdés-válasz rendszert, amelynek tudásgráfja automatikusan épül természetes nyelvű dokumentumokból.

Green AI • CPU-only • Szimbolikus • Magyarázható

1. A kihívás összefoglalása

A kihívás célja egy kizárólag CPU-n futó kérdés-válasz (QA) rendszer megtervezése, megvalósítása és értékelése, amely tisztán szimbolikus architektúrán alapul (lexikon, nyelvtanok, tudásgráf, formális logika). A teljes rendszerfejlesztést kvantált, nyílt súlyú LLM-ek irányítják, amelyek fogyasztói hardveren futtathatók (i9 CPU, RTX 3090).

Ez a projekt a Green AI (Schwartz et al., 2020) és a Frugal AI mozgalomba illeszkedik, szemben az egyre nagyobb modellek felé irányuló versennyel, amelyek szénlábnyoma riasztóvá vált (Kim et al., 2026; Hasan et al., 2025). Emellett választ ad a GDPR és az európai AI Act által megkövetelt átláthatóság, magyarázhatóság és szabályozási megfelelés növekvő igényeire (Wagner et al., 2025; Juliussen, 2025).

Eredetiség: Egyetlen létező munka sem kombinálja egyszerre a következő korlátozásokat:
  1. Tisztán szimbolikus QA rendszer (nincs neurális háló a következtetésnél)
  2. Kizárólag CPU futásidőben (nincs szükség GPU-ra)
  3. Automatikus KG-építés természetes nyelvű dokumentumokból
  4. A fejlesztést teljes egészében kvantált, nyílt súlyú LLM-ek irányítják
  5. Natív GDPR/AI Act megfelelés a tervezéstől fogva (belső értelmezhetőség)
  6. Etikus licenc (Hippocratic 3.0)

2. Kontextus és tudományos pozicionálás

2.1. Problémameghatározás

A jelenlegi QA rendszerek nagymértékben támaszkodnak LLM-ekre (GPT, LLaMA stb.), amelyek drága GPU-kat igényelnek a következtetéshez, és problémákat vetnek fel a hallucináció, a reprodukálhatóság, a magyarázhatóság és az adatszuverenitás terén. Fekete dobozként működnek, és nehéz megfeleltetni őket az európai AI Act (13. cikk) magas kockázatú rendszerek átláthatóságára vonatkozó követelményeinek (Wagner, 2025; Boshnjakovski, 2025).

2.2. A tudás jelenlegi állása

Neuro-szimbolikus megközelítések és KG-QA

A legújabb szakirodalom a tudásgráfok (KG) és a szimbolikus következtetés integrálása felé konvergál a tisztán neurális megközelítések korlátainak kezelésére:

Automatikus tudásgráf-építés

CPU-hatékonyság és könnyűsúlyú megközelítések

Az MI ökológiai hatása

GDPR és AI Act megfelelés

3. Célkitűzések

Fő célkitűzés

Bizonyítani a megvalósíthatóságot és értékelni egy kizárólag CPU-n futó, tisztán szimbolikus QA rendszer teljesítményét, amelynek tudásgráfja automatikusan épül természetes nyelvű dokumentumokból.

Másodlagos célkitűzések

  1. Versenyképes teljesítmény elérése elismert KGQA teljesítményteszteken.
  2. Az energialábnyom mérése és összehasonlítása (CPU vs GPU) az ökológiai előny bizonyítása érdekében.
  3. A rendszer belső értelmezhetőségének bizonyítása (minden válasz nyomon követhetősége).
  4. Reprodukálható, dokumentált szoftver biztosítása etikus licenc alatt.

4. Architektúra és műszaki specifikációk

4.1. Összesített architektúra

A rendszer két elkülönülő fázisra oszlik:

1. fázis — Tudásgráf-építés (offline, GPU megengedett)

Természetes nyelvű dokumentumok → Előfeldolgozás → NER → Relációkinyerés → Koreferencia-feloldás
    → KG-építés (RDF/OWL hármasok) → Gráf tárolása

2. fázis — Kérdés-válasz (futásidő, szigorúan csak CPU)

Természetes nyelvű kérdés → Szintaktikai/szemantikai elemzés → Formális lekérdezéssé alakítás
    → KG-bejárás → Logikai következtetés → Válaszgenerálás
    → Magyarázó nyomvonal

4.2. Hardverspecifikációk

Komponens1. fázis (KG-építés)2. fázis (QA futásidő)
CPUIntel Core i9 (max.)Intel Core i9 (max.)
GPUNVIDIA RTX 3090 (24 GB VRAM)Nincs (szigorúan csak CPU)
RAM32 GB (max.)32 GB (elegendő)
TárhelyNVMe SSDNVMe SSD

Indoklás: Az 1. fázis használhat GPU-t a kvantált, nyílt súlyú LLM-ek futtatásához, amelyek a pipeline építését irányítják. A 2. fázis, amely a telepíthető rendszert képezi, szigorúan csak CPU kell legyen a hozzáférhetőség, szuverenitás és takarékosság biztosítása érdekében.

4.3. Fejlesztési környezet

4.4. LLM-felügyelet

A rendszer fejlesztését teljes egészében egy vagy több nyílt súlyú LLM irányítja, amelyek a megadott hardveren (1. fázis) lokálisan futtathatók. A modellek, a kvantálás és a következtető keretrendszer kiválasztása a résztvevőre van bízva.

5. Javasolt pipeline architektúra

Az alábbi felosztás iránymutatásként szolgál. A résztvevők szabadon javasolhatnak eltérő architektúrát, amennyiben teljesítik a funkcionális korlátozásokat (3., 4. és 12. fejezet) és a licenckövetelményeket (6. fejezet).

5.1. Szöveg-előfeldolgozás

  • Mondatszegmentálás
  • Tokenizálás
  • Lemmatizálás
  • Szófaji címkézés
  • Függőségi elemzés

5.2. Néventitás-felismerés (NER)

  • Entitások detektálása (személyek, helyszínek, szervezetek, dátumok, fogalmak)
  • Entitástipizálás egy tartomány ontológia szerint
  • Koreferencia-feloldás

5.3. Relációkinyerés (RE)

  • Hármasok kinyerése (alany, állítmány, tárgy) szövegből
  • Nyílt vagy mintavezérelt kinyerés

5.4. Tudásgráf-építés

  • Entitás-normalizálás és -egyesítés (entity linking)
  • Gráf felépítése és tárolása (hármasok)
  • Gazdagítás implicit relációk kikövetkeztetésével
  • Gráf validálása és tisztítása

5.5. Kérdésmegértés

  • A természetes nyelvű kérdés szintaktikai elemzése
  • Kérdéstípus azonosítása (ki, mi, hol, mikor…)
  • Az említett entitások és relációk kinyerése
  • Formális lekérdezéssé alakítás a gráfon

5.6. Következtetés és válaszkeresés

  • Tudásgráf-bejárás (többlépéses következtetés)
  • Logikai rezolúció és jelöltválaszok rangsorolása

5.7. Válaszgenerálás és magyarázatok

  • Válasz megfogalmazása természetes nyelven
  • Teljes magyarázó nyomvonal: útvonal a KG-ben, alkalmazott szabályok, érintett entitások és relációk, megbízhatóság/teljesség

6. Licenckorlátozások

6.1. Hippocratic License 3.0 (HL3)

A végleges szoftver a Hippocratic License 3.0 licenc alatt kerül publikálásra (firstdonoharm.dev). Ez a licenc:

6.2. Függőségek kompatibilitása

LicencHL3-kompatibilisPéldák
MIT✅ Igen—
BSD (2/3-clause)✅ Igen—
Apache 2.0✅ Igen—
ISC / CC0✅ Igen—
GPL v2/v3⚠️ Potenciálisan inkompatibilis—
AGPL❌ Valószínűleg inkompatibilis—

6.3. Ajánlott opcionális HL3 modulok

7. Szabályozási megfelelés

7.1. GDPR

GDPR-elvMegvalósítás
Adatminimalizálás (5.1.c cikk)A KG csak releváns kinyert hármasokat tárol, nyers személyes adatokat nem.
Magyarázathoz való jog (22. cikk + 71. preambulumbekezdés)Teljes magyarázó nyomvonal minden válaszhoz.
Törléshez való jog (17. cikk)Entitások/hármasok törlésének lehetősége a KG-ből.
Beépített adatvédelem (25. cikk)Nincs érzékeny adat a KG-ben dokumentált szükségesség nélkül.
Nincs automatizált profilalkotás (22. cikk)A rendszer nem hoz automatizált döntéseket egyénekről.

7.2. Európai AI Act

AI Act követelményMegfelelés
Átláthatóság (13. cikk)Belsőleg értelmezhető szimbolikus architektúra — minden következtetési lépés nyomon követhető.
Magyarázhatóság (13.1. cikk)Teljes nyomvonal: kérdés → formális lekérdezés → KG-útvonal → válasz.
Műszaki dokumentáció (11. cikk)Teljes mértékben dokumentálható szimbolikus pipeline (nyelvtanok, szabályok, ontológia).
Robusztusság és pontosság (15. cikk)Nincs hallucináció — a válaszok kizárólag a KG-ből származnak.
Emberi felügyelet (14. cikk)A KG ember által áttekinthető és módosítható.
Kockázatkezelés (9. cikk)Alacsony kockázat: nincs átláthatatlan modell, nincs emergáló torzítás.
Kulcsérv: Egy tisztán szimbolikus rendszer natívan megfelel az AI Act átláthatósági és magyarázhatósági követelményeinek, szemben az LLM-alapú rendszerekkel, amelyek további XAI rétegeket igényelnek (Goncalves & Correia, 2026; Wagner et al., 2025).

8. Ökológiai hatás

8.1. A probléma

8.2. A szimbolikus CPU-only megközelítés előnye

MetrikaLLM rendszer (GPU)MI Kihívás (CPU-only)Becsült nyereség
Pillanatnyi teljesítményfelvétel300–400 W (GPU)65–125 W (CPU)~3–5×
Késleltetés lekérdezésenként0,5–5 s< 100 ms (cél)~5–50×
Energia lekérdezésenként~0,001–0,01 kWh~0,000001–0,00001 kWh~100–1000×
Szükséges hardverGPU ≥ 6 000 €Fogyasztói CPU < 500 €~12×

8.3. Kötelező mérés

A projektnek mérnie és jelentenie kell:

9. Reprodukálhatóság

  1. Teljes forráskód: nyilvános tárolóban publikálva, HL3 licenc alatt.
  2. Telepítési útmutató: automatizált szkript vagy konténerizáció.
  3. Tesztadatok: kizárólag nyilvános teljesítménytesztek használata.
  4. Véletlenszám-generátor magok: rögzítettek és dokumentáltak minden sztochasztikus komponensnél.
  5. Függőségek verziózása: rögzített verziójú függőségi fájl.
  6. Konténerizáció: a teljes rendszernek reprodukálhatóan futtathatónak kell lennie.
  7. Dokumentált minimális hardver: kifejezett minimális specifikációk.

A maximálisan szükséges hardver (i9 + RTX 3090) széles közönség számára elérhető. A 2. fázis (QA futásidő) nem igényel GPU-t, lehetővé téve az egyszerű laptopon történő futtatást.

10. Szuverenitás, biztonság és adatvédelem

Digitális szuverenitás

  • Nincs felhőfüggőség — teljesen lokális működés.
  • Nincs külső API-hívás — semmilyen adat nem hagyja el a gépet.
  • Nyílt súlyú LLM-ek letölthetők és lokálisan futtathatók.
  • Nincs szállítói kötöttség.

Biztonság

  • Sandbox-ban futtatás (elszigetelt környezet).
  • Nincs tetszőleges kódfuttatás.
  • Nincs prompt injection (nincs LLM a következtetésnél).
  • Bemenet-validálás formális nyelvtannal.

Adatvédelem

  • Kizárólag lokális feldolgozás — a dokumentumok soha nem hagyják el a gépet.
  • Nincs telemetria.
  • A KG kérésre törölhető.
  • Lehetőség külön KG-k létrehozására felhasználónként vagy tartományonként.

11. Teljesítménytesztek és értékelés

11.1. Elismert KGQA teljesítménytesztek

A rendszert legalább kettő alábbi teljesítményteszten kell értékelni:

TeljesítménytesztLeírásMéretReferencia
SimpleQuestionsEgyszerű ténykérdések a Freebase-en~100K kérdésACL
WebQuestionsSPWebes kérdések SPARQL annotációkkal~4 737 kérdésACL
LC-QuAD 2.0Komplex kérdések a DBpedia/Wikidata-n~30K kérdésISWC
ComplexWebQuestionsTöbblépéses kérdések a Freebase-en~34K kérdésNAACL
QALDTöbbnyelvű kihívás, kis méretű~400–500 kérdésCLEF/ESWC
MINTQAÚj teljesítményteszt LLM+KG számára ritka entitásokonVáltozóEMNLP 2025
SQuAD 2.0Kivonatolt QA bekezdéseken~150K kérdésACL
Natural QuestionsValódi Google kérdések~307K kérdésTACL
TriviaQAKvíz QA támogató dokumentumokkal~95K kérdésACL

Ajánlás: prioritásként kezelni az LC-QuAD 2.0-t és a QALD-ot, kiegészítve a SQuAD-dal vagy a Natural Questions-szel a neurális megközelítésekkel való összehasonlításhoz.

11.2. Értékelési metrikák

KategóriaMetrikaLeírás
QA teljesítményF1 pontszám, Exact Match (EM)Válaszpontosság
QA teljesítményHits@1, Hits@5Helyes válasz aránya a top-k-ban
QA teljesítményMRRA helyes válasz átlagos rangja
KésleltetésÁtlagos/p95 válaszidő (ms)Csak CPU-n mérve
ÁteresztőképességKérdés/másodpercÁteresztőképesség
ÖkológiakWh/lekérdezés, gCO₂/lekérdezéscodecarbon/carbontracker segítségével
MagyarázhatóságNyomon követhetőségi arány% válasz teljes nyomvonallal (cél: 100 %)
KG lefedettségHármasok, entitások, relációkLeíró statisztika

11.3. Összehasonlítási alapvonalak

  1. RAG + LLM (GPU): neurális alapvonal GPU-n.
  2. KG-RAG (GPU): hibrid KG + LLM alapvonal.
  3. Közvetlen SPARQL: tisztán szimbolikus alapvonal (kézi lekérdezések ugyanazon a KG-n).

12. Teljesítményi specifikációk

KritériumCélIndoklás
QA késleltetés< 100 ms (p95)Elfogadható felhasználói interaktivitás
KG-építés< 1 perc / 1 000 rövid dokumentumGyakorlatiasság
QA memórialábnyom< 4 GB RAMFuttatható szerény PC-n
KG méretSkálázható 10M+ hármasraElegendő lefedettség a teljesítménytesztekhez
QA pontosság≥ 50 % F1 egyszerű teljesítménytesztekenÉrtelmezhetőség és takarékosság mint fő érvek
Nyomon követhetőség100 % válasz magyarázvaA szimbolikus megközelítés fő előnye

13. Kockázatok és intézkedések

KockázatValószínűségHatásIntézkedés
Elégtelen QA teljesítmény az LLM-hez képestMagasKözepesFókusz az értelmezhetőségre/takarékosságra
Az automatikus KG elégtelen minőségeKözepesMagasSzabályok iterálása, LLM felügyelet
Többlépéses kérdések összetettségeMagasKözepesKorlátozás ≤ 3 lépésre, korlátok dokumentálása
Függőség-licenc inkompatibilitásAlacsonyMagasSzisztematikus licencaudit
Nyílt súlyú LLM elégtelen a felügyelethezKözepesKözepesTöbb modell tesztelése és kombinálása
Korlátozott KG-lefedettség nagy léptékbenKözepesKözepesQALD-dal kezdeni, majd bővíteni

14. Sikerességi kritériumok

  1. A QA rendszer teljes egészében CPU-n működik, GPU nélkül a következtetésnél.
  2. A KG automatikusan épül természetes nyelvű dokumentumokból.
  3. A teljesítmény ≥ 2 elismert nyilvános teljesítményteszten van mérve.
  4. A válaszok 100 %-a magyarázó nyomvonallal van ellátva.
  5. Az energiafogyasztás mérve és összehasonlítva van egy GPU-alapú referencia rendszerrel.
  6. A kód Hippocratic 3.0 licenc alatt van publikálva kompatibilis függőségekkel.
  7. A rendszer reprodukálható Docker segítségével a megadott hardveren.
  8. A fejlesztést teljes egészében nyílt súlyú LLM-ek végzik sandboxban.

15. Bibliográfiai hivatkozások

  1. Agarwal, P. & Bedathur, S. (2025). A Zero-Shot Neuro-Symbolic Approach for Complex Knowledge Graph Question Answering. EMNLP 2025 Findings.
  2. Ansar, W., Goswami, S. & Chakrabarti, A. (2024). From Transformers to LLMs: A Systematic Survey of Efficiency Considerations in NLP. arXiv:2406.16893.
  3. Awab, S. (2026). AI's Resource Gluttony and Sustainable Development. SSRN 6301563.
  4. Boshnjakovski, V. (2025). Balancing Compliance and Innovation: Addressing Explainability in AI Systems under the EU AI Act. MBA Thesis.
  5. Chaudhary, V. et al. (2025). Fusing Knowledge and Language: A Comparative Study of KG-Based QA with LLMs. arXiv:2509.09272.
  6. Chen, H. et al. (2025). Open Local Knowledge Graph Construction from Academic Papers Using Generative LLMs. TheWebConf 2025.
  7. Cheng, K. et al. (2025). Neural-symbolic methods for knowledge graph reasoning: A survey. ACM Trans. Knowl. Discov. Data.
  8. Chudasama, Y. et al. (2025). Toward interpretable hybrid AI: integrating knowledge graphs and symbolic reasoning. IEEE Access.
  9. Corradini, F. et al. (2025). State of the art and future directions of small language models. Big Data and Cognitive Computing.
  10. Goncalves, A. & Correia, A. (2026). XAI-Compliance-by-Design: A Modular Framework for GDPR- and AI Act-Aligned Decision Transparency. MDPI J. Cybersecurity and Privacy.
  11. Hasan, S.M. et al. (2025). Carbon emission quantification of ML: A review. IEEE Trans. Sustainable Computing.
  12. Juliussen, B.A. (2025). The Right to an Explanation Under the GDPR and the AI Act. Springer, Int. Conf. Multimedia Modeling.
  13. Kim, M.K. & Yoo, T.A. (2026). Toward Sustainable AI: A Scoping Review of Carbon Footprint. IEEE Access.
  14. Linders, J. & Tomczak, J.M. (2025). Knowledge graph-extended RAG for QA. Applied Intelligence.
  15. Liu, B. et al. (2025). SymAgent: A neural-symbolic self-learning agent framework for complex reasoning over KGs. TheWebConf 2025.
  16. Ma, C. et al. (2025). Large language models meet knowledge graphs for question answering. EMNLP 2025.
  17. Niu, G. et al. (2026). A Comprehensive Survey of Knowledge Graph Reasoning. IEEE Trans. Big Data.
  18. Perevalov, A. et al. (2024). Multilingual question answering systems for knowledge graphs — a survey. Semantic Web.
  19. Salman, M. et al. (2024). Doc-KG: Unstructured documents to KG construction. Expert Systems.
  20. Schwartz, R. et al. (2020). Green AI. Communications of the ACM, 63(12), 54-63.
  21. Sidhu, M.K. et al. (2025). Neurosymbolic AI for Enhanced Reasoning in Small Language Models. IEEE.
  22. Sovrano, F. et al. (2025). Legal XAI: Systematic Review and Interdisciplinary Mapping of XAI and EU Law. ResearchGate.
  23. Tunzina, T. et al. (2026). GreenAI: Environmental Efficiency in LLM-Generated Code. IEEE Access.
  24. Wagner, M. et al. (2025). A Critical Look at the EU AI Act's Requirements — Who Must Explain What? IEEE Int. Requirements Eng. Conf.
  25. Zavarella, V. (2026). Methods for KG Construction from Text Collections. arXiv:2603.25862.