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 izaicinājums

Izstrādājiet tikai CPU, pilnībā simbolisku jautājumu/atbilžu sistēmu, kuras zināšanu grafs tiek automātiski veidots no dabiskās valodas dokumentiem.

Green AI • CPU-only • Simbolisks • Izskaidrojams

1. Izaicinājuma kopsavilkums

Izaicinājuma mērķis ir izstrādāt, ieviest un novērtēt jautājumu/atbilžu (QA) sistēmu, kas darbojas tikai uz CPU, balstoties uz pilnībā simbolisku arhitektūru (leksikons, gramatikas, zināšanu grafs, formālā loģika). Visas sistēmas izstrāde tiek vadīta ar kvantizētiem atvērto svaru LLM, izpildāmiem uz patērētāju aparatūras (i9 CPU, RTX 3090).

Šis projekts ietilpst Green AI kustībā (Schwartz et al., 2020) un Frugal AI, pretēji sacensībai par arvien lielākiem modeļiem, kuru oglekļa pēda ir kļuvusi satraucoša (Kim et al., 2026; Hasan et al., 2025). Tas risina arī augošās prasības pēc pārskatāmības, izskaidrojamības un normatīvās atbilstības, ko nosaka GDPR un Eiropas MI regula (Wagner et al., 2025; Juliussen, 2025).

Oriģinalitāte: Neviens esošais darbs neapvieno vienlaicīgi šādus ierobežojumus:
  1. Pilnībā simboliska QA sistēma (bez neironu tīkla izpildes laikā)
  2. CPU-only izpildes laikā (nav nepieciešams GPU)
  3. Automātiska KG izveide no dabiskās valodas dokumentiem
  4. Izstrāde pilnībā uzraudzīta ar kvantizētiem atvērto svaru LLM
  5. Dabiska GDPR/AI Act atbilstība pēc dizaina (iekšējā interpretējamība)
  6. Ētiskā licence (Hippocratic 3.0)

2. Konteksts un zinātniskā pozicionēšana

2.1. Problēmas formulējums

Pašreizējās QA sistēmas lielā mērā balstās uz LLM (GPT, LLaMA, u.c.), kuriem nepieciešami dārgi GPU izpildei, un kas rada problēmas ar halucinācijām, reproducējamību, izskaidrojamību un datu suverenitāti. Tie darbojas kā melnas kastes, un ir grūti tos saskaņot ar Eiropas MI regulas (13. pants) prasībām attiecībā uz augsta riska sistēmu pārskatāmību (Wagner, 2025; Boshnjakovski, 2025).

2.2. Pašreizējais stāvoklis

Neirosimbolikas pieejas un KG-QA

Jaunākā literatūra konverģē uz zināšanu grafu (KG) un simboliskās spriešanas integrāciju, lai risinātu pilnībā neironu pieeju ierobežojumus:

Automātiska zināšanu grafa izveide

CPU efektivitāte un vieglās pieejas

MI ekoloģiskā ietekme

GDPR un MI regulas atbilstība

3. Mērķi

Galvenais mērķis

Pierādīt iespējamību un novērtēt tikai CPU, pilnībā simboliskas QA sistēmas veiktspēju, kuras zināšanu grafs tiek automātiski veidots no dabiskās valodas dokumentiem.

Sekundārie mērķi

  1. Sasniegt konkurētspējīgu veiktspēju atzītos KGQA etalonmērījumos.
  2. Izmērīt un salīdzināt enerģijas patēriņu (CPU pret GPU), lai pierādītu ekoloģisko ieguvumu.
  3. Pierādīt sistēmas iekšējo interpretējamību (katras atbildes izsekojamība).
  4. Nodrošināt reproducējamu, dokumentētu programmatūru ar ētisko licenci.

4. Arhitektūra & tehniskās specifikācijas

4.1. Kopējā arhitektūra

Sistēma ir sadalīta divās atšķirīgās fāzēs:

1. fāze — Zināšanu grafa izveide (bezsaistē, GPU atļauts)

DV dokumenti → Priekšapstrāde → NER → Relāciju ekstrakcija → Koreferences atrisināšana
    → KG izveide (RDF/OWL tripleti) → Grafa uzglabāšana

2. fāze — Jautājumi/atbildes (izpildes laiks, strikti CPU-only)

DV jautājums → Sintaktiskā/semantiskā analīze → Pārveidošana formālā vaicājumā
    → KG šķērsošana → Loģiskā spriešana → Atbildes ģenerēšana
    → Paskaidrojuma pēda

4.2. Aparatūras specifikācijas

Komponents1. fāze (KG izveide)2. fāze (QA izpilde)
CPUIntel Core i9 (maks.)Intel Core i9 (maks.)
GPUNVIDIA RTX 3090 (24 GB VRAM)Nav (strikti CPU-only)
RAM32 GB (maks.)32 GB (pietiekami)
UzglabāšanaNVMe SSDNVMe SSD

Pamatojums: 1. fāze var izmantot GPU, lai palaistu kvantizētus atvērto svaru LLM, kas uzrauga pipeline izveidi. 2. fāzei, kas veido izvietojamo sistēmu, jābūt strikti CPU-only, lai nodrošinātu pieejamību, suverenitāti un taupību.

4.3. Izstrādes vide

4.4. LLM uzraudzība

Sistēmas izstrādi pilnībā vada viens vai vairāki atvērto svaru LLM, izpildāmi lokāli uz norādītās aparatūras (1. fāze). Modeļu, kvantizācijas un izpildes ietvara izvēle tiek atstāta dalībniekam.

5. Ieteiktā pipeline arhitektūra

Šāds sadalījums tiek sniegts kā vadlīnija. Dalībnieki var brīvi piedāvāt atšķirīgu arhitektūru, ja vien tiek izpildīti funkcionālie ierobežojumi (3., 4. un 12. sadaļa) un licenču prasības (6. sadaļa).

5.1. Teksta priekšapstrāde

  • Teikumu segmentēšana
  • Tokenizācija
  • Lemmatizācija
  • Vārdšķiru marķēšana (Part-of-Speech)
  • Atkarību parsēšana

5.2. Nosaukto entītiju atpazīšana (NER)

  • Entītiju noteikšana (personas, vietas, organizācijas, datumi, koncepti)
  • Entītiju tipizēšana saskaņā ar domēna ontoloģiju
  • Koreferences atrisināšana

5.3. Relāciju ekstrakcija (RE)

  • Tripletu ekstrakcija (subjekts, predikāts, objekts) no teksta
  • Atvērta vai šablonu vadīta ekstrakcija

5.4. Zināšanu grafa izveide

  • Entītiju normalizēšana un sapludināšana (entity linking)
  • Grafa izveide un uzglabāšana (tripleti)
  • Bagātināšana ar netiešu relāciju secināšanu
  • Grafa validēšana un tīrīšana

5.5. Jautājuma izpratne

  • Dabiskās valodas jautājuma sintaktiskā analīze
  • Jautājuma tipa noteikšana (kas, ko, kur, kad…)
  • Pieminēto entītiju un relāciju ekstrakcija
  • Pārveidošana formālā vaicājumā grafā

5.6. Spriešana & atbilžu meklēšana

  • Zināšanu grafa šķērsošana (daudzsoļu spriešana)
  • Loģiskā atrisināšana un kandidātu atbilžu ranžēšana

5.7. Atbilžu ģenerēšana & paskaidrojumi

  • Atbildes formulēšana dabiskajā valodā
  • Pilnīga paskaidrojuma pēda: ceļš KG, pielietotie noteikumi, iesaistītās entītijas un relācijas, ticamība/pilnīgums

6. Licenču ierobežojumi

6.1. Hippocratic License 3.0 (HL3)

Galīgā programmatūra tiks publicēta ar Hippocratic License 3.0 (firstdonoharm.dev). Šī licence:

6.2. Atkarību savietojamība

LicenceSavietojama ar HL3Piemēri
MIT✅ Jā—
BSD (2/3-clause)✅ Jā—
Apache 2.0✅ Jā—
ISC / CC0✅ Jā—
GPL v2/v3⚠️ Iespējams nesavietojama—
AGPL❌ Visticamāk nesavietojama—

6.3. Ieteicamie izvēles HL3 moduļi

7. Normatīvā atbilstība

7.1. GDPR

GDPR principsIeviešana
Datu minimizēšana (5.1.c pants)KG uzglabā tikai atbilstošus ekstrahētos tripletus, nevis neapstrādātus personas datus.
Tiesības uz paskaidrojumu (22. pants + 71. apsvērums)Pilnīga paskaidrojuma pēda katrai atbildei.
Tiesības uz dzēšanu (17. pants)Iespēja dzēst entītijas/tripletus no KG.
Privātums pēc dizaina (25. pants)Nav sensitīvu datu KG bez dokumentētas nepieciešamības.
Nav automatizētas profilēšanas (22. pants)Sistēma nepieņem automatizētus lēmumus par personām.

7.2. Eiropas MI regula

MI regulas prasībaAtbilstība
Pārskatāmība (13. pants)Iekšēji interpretējama simboliska arhitektūra — katrs spriešanas solis ir izsekojams.
Izskaidrojamība (13.1. pants)Pilnīga pēda: jautājums → formālais vaicājums → KG ceļš → atbilde.
Tehniskā dokumentācija (11. pants)Pilnībā dokumentējams simboliskais pipeline (gramatikas, noteikumi, ontoloģija).
Noturīgums un precizitāte (15. pants)Nav halucināciju — atbildes nāk tikai no KG.
Cilvēka uzraudzība (14. pants)KG ir pārbaudāms un modificējams cilvēkam.
Risku pārvaldība (9. pants)Zems risks: nav necaurspīdīga modeļa, nav spontānas novirzes.
Galvenais arguments: Pilnībā simboliska sistēma ir dabiski atbilstoša MI regulas pārskatāmības un izskaidrojamības prasībām, atšķirībā no LLM bāzētām sistēmām, kurām nepieciešami papildu XAI slāņi (Goncalves & Correia, 2026; Wagner et al., 2025).

8. Ekoloģiskā ietekme

8.1. Problēma

8.2. Simboliskā CPU-only priekšrocība

RādītājsLLM sistēma (GPU)MI izaicinājums (CPU-only)Aprēķinātais ieguvums
Momentānā jauda300-400 W (GPU)65-125 W (CPU)~3-5×
Latentums uz vaicājumu0,5-5 s< 100 ms (mērķis)~5-50×
Enerģija uz vaicājumu~0,001-0,01 kWh~0,000001-0,00001 kWh~100-1000×
Nepieciešamā aparatūraGPU ≥ 6 000 €Patērētāju CPU < 500 €~12×

8.3. Obligātais mērījums

Projektam jāmēra un jāziņo:

9. Reproducējamība

  1. Pilns pirmkods: publicēts publiskā repozitorijā ar HL3 licenci.
  2. Uzstādīšanas instrukcijas: automatizēts skripts vai konteinerizācija.
  3. Testa dati: tikai publisku etalonmērījumu izmantošana.
  4. Nejaušie sēkliņi: fiksēti un dokumentēti katram stohastiskajam komponentam.
  5. Atkarību versiju fiksēšana: fiksēts atkarību fails.
  6. Konteinerizācija: pilnai sistēmai jābūt reproducējami izpildāmai.
  7. Dokumentēta minimālā aparatūra: skaidras minimālās specifikācijas.

Maksimālā nepieciešamā aparatūra (i9 + RTX 3090) ir pieejama plašai auditorijai. 2. fāze (QA izpilde) neprasa GPU, ļaujot izpildi uz vienkārša portatīvā datora.

10. Suverenitāte, drošība & privātums

Digitālā suverenitāte

  • Nav mākoņa atkarības — pilnībā lokāla darbība.
  • Nav ārēju API izsaukumu — dati neatstāj iekārtu.
  • Atvērto svaru LLM lejupielādējami un izpildāmi lokāli.
  • Nav piegādātāja piesaistes.

Drošība

  • Sandbox izpilde (izolēta vide).
  • Nav patvaļīgas koda izpildes.
  • Nav prompt injection (nav LLM izpildes laikā).
  • Ievades validēšana ar formālo gramatiku.

Privātums

  • Tikai lokāla apstrāde — dokumenti nekad neatstāj iekārtu.
  • Nav telemetrijas.
  • KG dzēšams pēc pieprasījuma.
  • Iespēja izveidot atsevišķus KG katram lietotājam vai domēnam.

11. Etalonmērījumi & novērtēšana

11.1. Atzīti KGQA etalonmērījumi

Sistēma jānovērtē vismaz divos no šiem etalonmērījumiem:

EtalonmērījumsAprakstsApjomsAtsauce
SimpleQuestionsVienkārši faktu jautājumi Freebase~100K jautājumuACL
WebQuestionsSPTīmekļa jautājumi ar SPARQL anotācijām~4 737 jautājumuACL
LC-QuAD 2.0Sarežģīti jautājumi par DBpedia/Wikidata~30K jautājumuISWC
ComplexWebQuestionsDaudzsoļu jautājumi Freebase~34K jautājumuNAACL
QALDDaudzvalodu izaicinājums, mazs apjoms~400-500 jautājumuCLEF/ESWC
MINTQANesens etalonmērījums LLM+KG retām entītijāmMainīgsEMNLP 2025
SQuAD 2.0Ekstraktīvs QA par rindkopām~150K jautājumuACL
Natural QuestionsĪsti Google jautājumi~307K jautājumuTACL
TriviaQAErudīcijas QA ar atbalsta dokumentiem~95K jautājumuACL

Ieteikums: prioritizējiet LC-QuAD 2.0 un QALD, papildinot ar SQuAD vai Natural Questions salīdzinājumam ar neironu pieejām.

11.2. Novērtēšanas metrikas

KategorijaMetrikaApraksts
QA veiktspējaF1 score, Exact Match (EM)Atbildes precizitāte
QA veiktspējaHits@1, Hits@5Pareizas atbildes rādītājs top-k
QA veiktspējaMRRPareizas atbildes vidējais rangs
LatentumsVidējais/p95 atbildes laiks (ms)Mērīts tikai uz CPU
CaurlaidspējaJautājumi/sekundēCaurlaidspēja
EkoloģijakWh/vaicājums, gCO₂/vaicājumsCaur codecarbon/carbontracker
IzskaidrojamībaIzsekojamības rādītājs% atbilžu ar pilnīgu pēdu (mērķis: 100%)
KG pārklājumsTripleti, entītijas, relācijasAprakstošā statistika

11.3. Salīdzināšanas bāzlīnijas

  1. RAG + LLM (GPU): neironu bāzlīnija uz GPU.
  2. KG-RAG (GPU): hibrīda KG + LLM bāzlīnija.
  3. Tiešais SPARQL: tīri simboliska bāzlīnija (manuāli vaicājumi tajā pašā KG).

12. Veiktspējas specifikācijas

KritērijsMērķisPamatojums
QA latentums< 100 ms (p95)Pieņemama lietotāja interaktivitāte
KG izveide< 1 min / 1 000 īsu dokumentuPraktiskums
QA atmiņas nospiedums< 4 GB RAMIzpildāms uz pieticīga PC
KG apjomsMērogojams līdz 10M+ tripletiemPietiekams pārklājums etalonmērījumiem
QA precizitāte≥ 50% F1 vienkāršos etalonmērījumosIzskaidrojamība un taupīgums kā galvenie argumenti
Izsekojamība100% atbilžu paskaidrotasSimboliskās pieejas galvenā priekšrocība

13. Riski & mazināšana

RisksVarbūtībaIetekmeMazināšana
Nepietiekama QA veiktspēja salīdzinājumā ar LLMAugstaVidējaFokuss uz izskaidrojamību/taupīgumu
Nepietiekama automātiskā KG kvalitāteVidējaAugstaNoteikumu iterēšana, LLM uzraudzība
Daudzsoļu jautājumu sarežģītībaAugstaVidējaLimits ≤ 3 soļi, dokumentēt ierobežojumus
Atkarību licenču nesavietojamībaZemaAugstaSistemātisks licenču audits
Atvērto svaru LLM nepietiekams uzraudzībaiVidējaVidējaTestēt un kombinēt vairākus modeļus
Ierobežots KG pārklājums mērogāVidējaVidējaSākt ar QALD, pēc tam mērogot

14. Veiksmes kritēriji

  1. QA sistēma darbojas pilnībā uz CPU bez GPU izpildes laikā.
  2. KG tiek izveidots automātiski no dabiskās valodas dokumentiem.
  3. Veiktspēja tiek mērīta ≥ 2 atzītos publiskos etalonmērījumos.
  4. 100% atbilžu ir ar paskaidrojuma pēdu.
  5. Enerģijas patēriņš tiek mērīts un salīdzināts ar GPU bāzlīniju.
  6. Kods tiek publicēts ar Hippocratic 3.0 licenci un savietojamām atkarībām.
  7. Sistēma ir reproducējama ar Docker uz norādītās aparatūras.
  8. Izstrādi pilnībā veic atvērto svaru LLM sandbox vidē.

15. Bibliogrāfiskās atsauces

  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.