Kā mākslīgajam intelektam paredzēt nākotnes kadastra vērtības?

Ceturtdien, 27. novembrī tikāmies uz pēdējo šī gada domapmaiņu, kurā datu zinātnieks Aivis Brutāns parādīja divas pieejas, kā mākslīgo intelektu (MI) izmantot kadastra vērtību aprēķināšanai. Viena no tām bija MCP (Model Context Protocol) izveide, lai lielo valodu modelis atbildētu uz lietotāja jautājumu balsoties tikai MCP specifikācijās. Šī metode ieliek modeli konkrētos rāmjos un ļauj veiksmīgāk izvairīties no fantazēšanas. Tiesa, atbildot uz vienu no uzvednēm modelis piebilda, ka dotais nekustamais īpašums (adrese vai ģeogrāfiskās koordinātas netika minētas) ir Rīgas centrā. Atbilde bija pareiza, bet prātojām, no kurienes tas ņēma šo informāciju. Secinām, ka šī metode arī pilnībā neizslēdz fantazēšanas iespējamību.

Otra pieeja bija “Skills” funkcija, ko piedāvā Claude. Tas ir kas līdzīgs “custom GPT”. Doma tāda, ka rīks ļauj izveidot “spēju” – konkrēti nodefinētas prasmes, saliktas konsekventās darbībās. Aivis dalījās pieredzē, kā bija izveidot šo spēju. Izrādās, ka vienkārši “iebarot” modelim normatīvos aktus, kas regulē kadastrālo vērtību noteikšanu, nesanāca. Beigu beigās Aivis izbūrās daļai no procesa un nodefinēja to pats. Rezultātā Claude čatbots sniedza diezgan jēgpilnas un izvērstas atbildes.

Kadastrālās vērtības aprēķināšanai ir daudz dažādi scenāriji (zemes vienībai, ēkai, telpu grupai, inženierbūvei, zemes vienības daļai) un lietotājs varētu prasīt kadastrālo vērtību par šiem objektiem dažādās kombinācijās. Tā kā ir ļoti daudz mainīgo parametru, kas var ietekmēt kadastrālo vērtību, tad valodu modelim jāmāk uzdot papildu jautājumi, lai iegūtu visu nepieciešamo informāciju aprēķiniem. Tāpēc labākais scenārijs būtu lietotāja prasību orķestrēšana, izmantojot MI aģenta/darbplūsmas risinājumu. MCP gadījumā būtu daudz dažādu funkciju, kur daži vājāki MI asistenti ar šo orķestrēšanu varētu netikt galā.
Claude Skills ir laba alternatīva aģentiem, bet to lielākais ierobežojums ir tas, ka nav iespējams izveidot ārēju savienojumu (API) ar papildu resursiem, lai iegūtu bāzes vērtību, standartplatību, sasaistītu adresi ar vērtību zonu u.tml. Un tā kā datu apjoms, ko Skills objektā var glabāt, ir limitēts, tad pilna risinājuma izveide iekš Claude “Skills” būtu izaicinoša.

Tā kā daudzi MI entuziasti izmanto NotebookLM, Google risinājumu, kas ļauj pievienot konkrētus informācijas avotus, par kuriem modeli izprašņāt, Aivis tikšanās beigās nokomentēja arī to. Viņa pieredzē ne katru reizi tas pareizi nolasa vērtības, vai piemēro pareizu vienādojumu.

“Vizuāli apraksts izskatās iespaidīgi – sīki un detalizēti aprakstīts, ar atsaucēm,” stāsta Aivis, “Taču tā atbildē vajadzētu sīkāk iedziļināties – jāsaprot vai funkcija izmantota pareiza, vai izmantoti visi funkcijas parametri, vai parametru vērtības ir noteiktas precīzi. Šajā piemērā rezultāts ir gandrīz pareizs. Tā kā prasīju par dzīvokļa telpu grupas vērtību, norādot, ka dzīvoklis atrodas 1.stāvā, tad tas ir vērtību samazinošs faktors, kas netika iekļauts. Visas pārējās vērtības un aprēķins ir pareizs.”

Šī tikšanās notika ar Valsts zemes dienesta (VZD) atbalstu viņu mājīgajās, mūsdienīgajās telpās. Paldies! Nākamā domapmaiņa notiks janvāra beigās klātienē, bet ar iespēju vērot prezentāciju tiešsaistē. Starp citu, tiešsaistes dalības iespēju izmantoja vairāk nekā 30 dalībnieku. Sekojiet līdzi informācijai Facebook, X un datuskola.lv.