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).
- Pilnībā simboliska QA sistēma (bez neironu tīkla izpildes laikā)
- CPU-only izpildes laikā (nav nepieciešams GPU)
- Automātiska KG izveide no dabiskās valodas dokumentiem
- Izstrāde pilnībā uzraudzīta ar kvantizētiem atvērto svaru LLM
- Dabiska GDPR/AI Act atbilstība pēc dizaina (iekšējā interpretējamība)
- 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:
- Cheng et al. (2025), "Neural-symbolic methods for knowledge graph reasoning" (ACM TKDD) — izšķir KG papildināšanas, sarežģītu vaicājumu atbildēšanas un loģisko noteikumu apguves pieejas; identificē tīri simbolisko metožu potenciālu interpretējamībai.
- Niu et al. (2026), "A Comprehensive Survey of Knowledge Graph Reasoning" (IEEE Trans. Big Data) — aptver daudzsoļu spriešanu KG, ieskaitot Inductive Logic Programming (ILP) pieejas.
- Linders & Tomczak (2025), "Knowledge graph-extended RAG for QA" (Applied Intelligence) — demonstrē, ka KG ļauj simbolisku spriešanu un pārbaudāmas atbildes.
- Chudasama et al. (2025), "Toward interpretable hybrid AI" (IEEE Access) — piedāvā TrustKG, kas apvieno simbolisko interpretējamību ar KG.
- Agarwal & Bedathur (2025), "A Zero-Shot Neuro-Symbolic Approach for Complex KGQA" (EMNLP Findings 2025).
- Liu et al. (2025), "SymAgent" (TheWebConf 2025) — pašmācošs simboliskais aģents KGQA.
Automātiska zināšanu grafa izveide
- Zavarella (2026), "Methods for KG Construction from Text Collections" (arXiv) — ietvars, kas apvieno NLP, ML un semantisko tīmekli.
- Salman et al. (2024), "Doc-KG" (Expert Systems) — KG izveide no nestrukturētiem dokumentiem.
- Chen et al. (2025), "Open Local Knowledge Graph Construction from Academic Papers Using Generative LLMs" (TheWebConf 2025).
CPU efektivitāte un vieglās pieejas
- Sidhu et al. (2025), "Neurosymbolic AI for Enhanced Reasoning in Small Language Models" (IEEE).
- Corradini et al. (2025), "State of the art and future directions of small language models" (Big Data and Cognitive Computing).
- Chaudhary et al. (2025) apstiprina, ka "spaCy nodrošina vieglu, augstas precizitātes ekstrakciju, efektīvu uz standarta CPU".
- Okechukwu et al. (2025) apstiprina, ka "spaCy un NLTK darbojas efektīvi uz standarta CPU".
MI ekoloģiskā ietekme
- Kim & Yoo (2026), "Toward Sustainable AI" (IEEE Access) — MI datu centru oglekļa pēda trīskāršojās laikā no 2024 līdz 2025.
- Hasan et al. (2025), "Carbon emission quantification of ML" (IEEE Trans.).
- Tunzina et al. (2026), "GreenAI: Environmental Efficiency in LLM-Generated Code" (IEEE Access).
GDPR un MI regulas atbilstība
- Wagner et al. (2025), "A Critical Look at the EU AI Act's Requirements" (IEEE RE).
- Juliussen (2025), "The Right to an Explanation Under the GDPR and the AI Act" (Springer).
- Goncalves & Correia (2026), "XAI-Compliance-by-Design" (MDPI).
- Sovrano et al. (2025), "Legal XAI: Systematic Review" (ResearchGate).
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
- Sasniegt konkurētspējīgu veiktspēju atzītos KGQA etalonmērījumos.
- Izmērīt un salīdzināt enerģijas patēriņu (CPU pret GPU), lai pierādītu ekoloģisko ieguvumu.
- Pierādīt sistēmas iekšējo interpretējamību (katras atbildes izsekojamība).
- 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
| Komponents | 1. fāze (KG izveide) | 2. fāze (QA izpilde) |
|---|---|---|
| CPU | Intel Core i9 (maks.) | Intel Core i9 (maks.) |
| GPU | NVIDIA RTX 3090 (24 GB VRAM) | Nav (strikti CPU-only) |
| RAM | 32 GB (maks.) | 32 GB (pietiekami) |
| Uzglabāšana | NVMe SSD | NVMe 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
- Sandbox: izstrāde izolētā vidē drošībai un reproducējamībai.
- Mērķa OS: Linux (primārais mērķis), ar vēlamu Windows/macOS pārnesamību.
- Valoda(s): brīva izvēle, ja vien atkarības atbilst licenču ierobežojumiem (6. sadaļa).
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:
- Netiek uzskatīta par atvērtā koda licenci OSI izpratnē (ētiskie ierobežojumi lietošanā).
- Ir copyleft licence (8.3. sadaļa).
- Uzliek ētiskos standartus, kas balstīti uz pamata cilvēktiesībām (UDHR, ICESCR, ICCPR, ILO).
6.2. Atkarību savietojamība
| Licence | Savietojama ar HL3 | Piemēri |
|---|---|---|
| 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
- HL3-ECO (Ekocīds) — saskan ar mērķi samazināt ekoloģisko ietekmi.
- HL3-MEDIA — aizliegums izmantot vardarbības veicināšanai.
- HL3-SV (Masu novērošana) — saskan ar suverenitāti un privātumu.
7. Normatīvā atbilstība
7.1. GDPR
| GDPR princips | Ieviešana |
|---|---|
| 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 prasība | Atbilstība |
|---|---|
| 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. |
8. Ekoloģiskā ietekme
8.1. Problēma
- GPT-3 apmācība patērēja aptuveni 1 287 MWh, t.i., ~552 tonnas CO₂.
- MI datu centru oglekļa pēda trīskāršojās laikā no 2024 līdz 2025 (Awab, 2026).
- Viens LLM vaicājums patērē aptuveni 10× vairāk enerģijas nekā standarta tīmekļa meklēšana (Kim & Yoo, 2026).
8.2. Simboliskā CPU-only priekšrocība
| Rādītājs | LLM sistēma (GPU) | MI izaicinājums (CPU-only) | Aprēķinātais ieguvums |
|---|---|---|---|
| Momentānā jauda | 300-400 W (GPU) | 65-125 W (CPU) | ~3-5× |
| Latentums uz vaicājumu | 0,5-5 s | < 100 ms (mērķis) | ~5-50× |
| Enerģija uz vaicājumu | ~0,001-0,01 kWh | ~0,000001-0,00001 kWh | ~100-1000× |
| Nepieciešamā aparatūra | GPU ≥ 6 000 € | Patērētāju CPU < 500 € | ~12× |
8.3. Obligātais mērījums
Projektam jāmēra un jāziņo:
- Enerģijas patēriņš (kWh) KG izveidei.
- Enerģijas patēriņš uz QA vaicājumu.
- Atbilstošā CO₂ pēda.
- Salīdzinājums ar GPU bāzes sistēmu.
9. Reproducējamība
- Pilns pirmkods: publicēts publiskā repozitorijā ar HL3 licenci.
- Uzstādīšanas instrukcijas: automatizēts skripts vai konteinerizācija.
- Testa dati: tikai publisku etalonmērījumu izmantošana.
- Nejaušie sēkliņi: fiksēti un dokumentēti katram stohastiskajam komponentam.
- Atkarību versiju fiksēšana: fiksēts atkarību fails.
- Konteinerizācija: pilnai sistēmai jābūt reproducējami izpildāmai.
- 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:
| Etalonmērījums | Apraksts | Apjoms | Atsauce |
|---|---|---|---|
| SimpleQuestions | Vienkārši faktu jautājumi Freebase | ~100K jautājumu | ACL |
| WebQuestionsSP | Tīmekļa jautājumi ar SPARQL anotācijām | ~4 737 jautājumu | ACL |
| LC-QuAD 2.0 | Sarežģīti jautājumi par DBpedia/Wikidata | ~30K jautājumu | ISWC |
| ComplexWebQuestions | Daudzsoļu jautājumi Freebase | ~34K jautājumu | NAACL |
| QALD | Daudzvalodu izaicinājums, mazs apjoms | ~400-500 jautājumu | CLEF/ESWC |
| MINTQA | Nesens etalonmērījums LLM+KG retām entītijām | Mainīgs | EMNLP 2025 |
| SQuAD 2.0 | Ekstraktīvs QA par rindkopām | ~150K jautājumu | ACL |
| Natural Questions | Īsti Google jautājumi | ~307K jautājumu | TACL |
| TriviaQA | Erudīcijas QA ar atbalsta dokumentiem | ~95K jautājumu | ACL |
Ieteikums: prioritizējiet LC-QuAD 2.0 un QALD, papildinot ar SQuAD vai Natural Questions salīdzinājumam ar neironu pieejām.
11.2. Novērtēšanas metrikas
| Kategorija | Metrika | Apraksts |
|---|---|---|
| QA veiktspēja | F1 score, Exact Match (EM) | Atbildes precizitāte |
| QA veiktspēja | Hits@1, Hits@5 | Pareizas atbildes rādītājs top-k |
| QA veiktspēja | MRR | Pareizas atbildes vidējais rangs |
| Latentums | Vidējais/p95 atbildes laiks (ms) | Mērīts tikai uz CPU |
| Caurlaidspēja | Jautājumi/sekundē | Caurlaidspēja |
| Ekoloģija | kWh/vaicājums, gCO₂/vaicājums | Caur codecarbon/carbontracker |
| Izskaidrojamība | Izsekojamības rādītājs | % atbilžu ar pilnīgu pēdu (mērķis: 100%) |
| KG pārklājums | Tripleti, entītijas, relācijas | Aprakstošā statistika |
11.3. Salīdzināšanas bāzlīnijas
- RAG + LLM (GPU): neironu bāzlīnija uz GPU.
- KG-RAG (GPU): hibrīda KG + LLM bāzlīnija.
- Tiešais SPARQL: tīri simboliska bāzlīnija (manuāli vaicājumi tajā pašā KG).
12. Veiktspējas specifikācijas
| Kritērijs | Mērķis | Pamatojums |
|---|---|---|
| QA latentums | < 100 ms (p95) | Pieņemama lietotāja interaktivitāte |
| KG izveide | < 1 min / 1 000 īsu dokumentu | Praktiskums |
| QA atmiņas nospiedums | < 4 GB RAM | Izpildāms uz pieticīga PC |
| KG apjoms | Mērogojams līdz 10M+ tripletiem | Pietiekams pārklājums etalonmērījumiem |
| QA precizitāte | ≥ 50% F1 vienkāršos etalonmērījumos | Izskaidrojamība un taupīgums kā galvenie argumenti |
| Izsekojamība | 100% atbilžu paskaidrotas | Simboliskās pieejas galvenā priekšrocība |
13. Riski & mazināšana
| Risks | Varbūtība | Ietekme | Mazināšana |
|---|---|---|---|
| Nepietiekama QA veiktspēja salīdzinājumā ar LLM | Augsta | Vidēja | Fokuss uz izskaidrojamību/taupīgumu |
| Nepietiekama automātiskā KG kvalitāte | Vidēja | Augsta | Noteikumu iterēšana, LLM uzraudzība |
| Daudzsoļu jautājumu sarežģītība | Augsta | Vidēja | Limits ≤ 3 soļi, dokumentēt ierobežojumus |
| Atkarību licenču nesavietojamība | Zema | Augsta | Sistemātisks licenču audits |
| Atvērto svaru LLM nepietiekams uzraudzībai | Vidēja | Vidēja | Testēt un kombinēt vairākus modeļus |
| Ierobežots KG pārklājums mērogā | Vidēja | Vidēja | Sākt ar QALD, pēc tam mērogot |
14. Veiksmes kritēriji
- QA sistēma darbojas pilnībā uz CPU bez GPU izpildes laikā.
- KG tiek izveidots automātiski no dabiskās valodas dokumentiem.
- Veiktspēja tiek mērīta ≥ 2 atzītos publiskos etalonmērījumos.
- 100% atbilžu ir ar paskaidrojuma pēdu.
- Enerģijas patēriņš tiek mērīts un salīdzināts ar GPU bāzlīniju.
- Kods tiek publicēts ar Hippocratic 3.0 licenci un savietojamām atkarībām.
- Sistēma ir reproducējama ar Docker uz norādītās aparatūras.
- Izstrādi pilnībā veic atvērto svaru LLM sandbox vidē.
15. Bibliogrāfiskās atsauces
- Agarwal, P. & Bedathur, S. (2025). A Zero-Shot Neuro-Symbolic Approach for Complex Knowledge Graph Question Answering. EMNLP 2025 Findings.
- Ansar, W., Goswami, S. & Chakrabarti, A. (2024). From Transformers to LLMs: A Systematic Survey of Efficiency Considerations in NLP. arXiv:2406.16893.
- Awab, S. (2026). AI's Resource Gluttony and Sustainable Development. SSRN 6301563.
- Boshnjakovski, V. (2025). Balancing Compliance and Innovation: Addressing Explainability in AI Systems under the EU AI Act. MBA Thesis.
- Chaudhary, V. et al. (2025). Fusing Knowledge and Language: A Comparative Study of KG-Based QA with LLMs. arXiv:2509.09272.
- Chen, H. et al. (2025). Open Local Knowledge Graph Construction from Academic Papers Using Generative LLMs. TheWebConf 2025.
- Cheng, K. et al. (2025). Neural-symbolic methods for knowledge graph reasoning: A survey. ACM Trans. Knowl. Discov. Data.
- Chudasama, Y. et al. (2025). Toward interpretable hybrid AI: integrating knowledge graphs and symbolic reasoning. IEEE Access.
- Corradini, F. et al. (2025). State of the art and future directions of small language models. Big Data and Cognitive Computing.
- 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.
- Hasan, S.M. et al. (2025). Carbon emission quantification of ML: A review. IEEE Trans. Sustainable Computing.
- Juliussen, B.A. (2025). The Right to an Explanation Under the GDPR and the AI Act. Springer, Int. Conf. Multimedia Modeling.
- Kim, M.K. & Yoo, T.A. (2026). Toward Sustainable AI: A Scoping Review of Carbon Footprint. IEEE Access.
- Linders, J. & Tomczak, J.M. (2025). Knowledge graph-extended RAG for QA. Applied Intelligence.
- Liu, B. et al. (2025). SymAgent: A neural-symbolic self-learning agent framework for complex reasoning over KGs. TheWebConf 2025.
- Ma, C. et al. (2025). Large language models meet knowledge graphs for question answering. EMNLP 2025.
- Niu, G. et al. (2026). A Comprehensive Survey of Knowledge Graph Reasoning. IEEE Trans. Big Data.
- Perevalov, A. et al. (2024). Multilingual question answering systems for knowledge graphs — a survey. Semantic Web.
- Salman, M. et al. (2024). Doc-KG: Unstructured documents to KG construction. Expert Systems.
- Schwartz, R. et al. (2020). Green AI. Communications of the ACM, 63(12), 54-63.
- Sidhu, M.K. et al. (2025). Neurosymbolic AI for Enhanced Reasoning in Small Language Models. IEEE.
- Sovrano, F. et al. (2025). Legal XAI: Systematic Review and Interdisciplinary Mapping of XAI and EU Law. ResearchGate.
- Tunzina, T. et al. (2026). GreenAI: Environmental Efficiency in LLM-Generated Code. IEEE Access.
- Wagner, M. et al. (2025). A Critical Look at the EU AI Act's Requirements — Who Must Explain What? IEEE Int. Requirements Eng. Conf.
- Zavarella, V. (2026). Methods for KG Construction from Text Collections. arXiv:2603.25862.