Nagtutulungan ang Pacific Northwest National Laboratory at OpenAI upang pabilisin ang pederal na pagpapahintulot

Ang pagmomodernisa kung paano nagbibigay ng mga permit ang pederal na pamahalaan para sa kritikal na imprastraktura ay mahalaga sa pagbuo ng mas mabilis, mas ligtas, at mas mapagkumpitensyang ekonomiya ng U.S. Mula sa mga proyektong pang-enerhiya at advanced na pagmamanupaktura hanggang sa transportasyon at mga sistema ng tubig, tinutukoy ng pagkuha ng permit kung gaano kabilis maging mga pamumuhunan sa tunay na mundo ang mga ideyang may potensyal. Gayunpaman, sa kasalukuyan, ang mga pagsusuri sa kapaligiran at teknikal ay madalas tumatagal ng ilang taon, na nagpapabagal sa inobasyon, nagpapataas ng mga gastos, at nagpapaliban sa mga benepisyong naihahatid ng mga proyektong ito sa mga komunidad.

Kaya naman nakipagtulungan ang OpenAI sa Pacific Northwest National Laboratory (PNNL) ng U.S. Department of Energy at sa PermitAI^TM⁠(magbubukas sa bagong window) team nito para suriin kung makakatulong ang mga coding agent na pabilisin ang pederal na gawain sa pagkuha ng permit sa responsableng paraan. Ang PermitAI, isang inisyatibo na pinondohan ng Office of Policy ng Department of Energy, at ang OpenAI ay nagtulungan kasama ang 19 na eksperto sa paksa sa proseso ng pagsusuri ng National Environmental Policy Act upang magdisenyo ng pamantayan (na tinatawag na DraftNEPABench) para sa pagtatasa kung gaano kahusay gumaganap ang mga modelo ng AI sa mga gawaing may kaugnayan sa mga daloy ng trabaho ng NEPA tulad ng pagbuo ng mga pahayag ng epekto sa kapaligiran. 

Sa isang kinatawang hanay ng mga gawain sa pag-draft na sumasaklaw sa mga seksyon ng dokumento ng NEPA mula sa 18 pederal na ahensya, natuklasan ng 19 na eksperto na may potensyal ang mga karaniwang coding agent na pabilisin ang pag-draft ng mga dokumento ng NEPA nang 1 hanggang 5 oras bawat subseksyon—hanggang sa humigit-kumulang 15% na pagbawas sa oras ng pag-draft—na nagpapahiwatig ng makabuluhang hakbang pasulong sa kung paano makakasuporta ang AI sa mga kumplikadong daloy ng trabaho ng pamahalaan.

Ang pederal na pagpapahintulot ay panggobyernong proseso na komplikado at maraming dokumento. Ang mga pagsusuri ay kadalasang nangangailangan ng pagbabasa ng daan-daang pahina ng mga teknikal na ulat, pagbeberipika ng impormasyon sa maraming mapagkukunan, at pagbuo ng detalyadong mga pagsusuri na dapat tumugon sa mga kinakailangan sa pagsunod sa regulasyon.

Sa pamamagitan ng kolaborasyong ito, inalam ng OpenAI at PNNL ang kapangyarihan⁠(magbubukas sa bagong window) ng mga karaniwang coding agent (sa kasong ito, Codex CLI) bilang epektibong paraan upang makuha ang pagganap mula sa mga nangangatuwirang modelo tulad ng GPT‑5 para sa pananaliksik, teknikal na pagsusuri, at mga gawain sa pagsusulat ng ulat na may kinalaman sa file system. Sa pagbibigay sa mga modelo ng access sa command-line interface (karaniwang ginagamit para sa mga gawain sa pagko-code), maaari silang gumamit ng mas pangkalahatang mga estratehiya para sa paglutas ng gawain kaysa sa mga hand-crafted heuristic. Kailangang gawin ng mga agent na ito ang:

• Basahin at tumpak na buuin ang mga dokumentong umaabot sa daan-daang pahina ng nilalamang teknikal at pangregulasyon
• Berepikahin ang mga katotohanan sa maraming mapagkukunan ng pangkapaligiran, inhinyeriya, at regulasyon
• I-draft ang mga may-istrakturang ulat na tumutugon sa mga napakapartikular, legal at teknikal na pamantayan

Upang patuloy na mapalago ng Estados Unidos ang ekonomiya nito sa Panahon ng Katalinuhan⁠(magbubukas sa bagong window), dapat itong makabuo sa ligtas, responsable, at mabilis na paraan. Habang mas lalong nakakaapekto ang mga sistema ng AI sa pisikal na mundo, kailangan nating maunawaan ang mga kakayahan ng mga ito sa mga domain tulad ng inhinyerong sibil, pangkapaligiran, at pagtatasa ng regulasyon. Sa pagdaan ng panahon, kakailanganin ng mga advanced na modelo na maunawaan nang tumpak ang mga batas at regulasyon habang tumutulong ang mga ito na mag-imbento ng mga bago at mas ligtas na teknolohiya, protektahan ang mga likas na yaman, at matugunan ang mga pangangailangan ng tao.

Sa loob ng mahigit 50 taon, kinailangan ng proseso na suriin at idokumento ng mga pederal na ahensya ang mga epekto sa kapaligiran ng mga proyektong tulad ng mga tulay, mga planta ng kuryente, mga linya ng transmisyon, at mga pasilidad sa pagmamanupaktura. Tumutulong ang pamantayang ito upang matukoy kung saan maaaring tumulong ang mga modelo ng AI ngayon sa mga tao sa pagpapabilis ng mga daloy ng trabaho na ito sa responsableng paraan. 

Bukod sa pagbawas ng panganib sa awtonomiya, maaaring isulong ng gawaing ito ang pagdisenyo ng mas mahuhusay na interface para sa mga eksperto at AI. Higit pa sa mga static na PDF, makakabuo ang mga coding agent ng mga dinamiko at web-based na ulat at mga interaktibong biswal na presentasyon mula sa kanilang trabaho na nagpapadali para sa mga tagasuri na tao na mag-validate. 

Sa AI, mas magiging mahusay ang mga ahensya sa pagrerepaso, pagpipimo, at pag-aapruba ng mga panukala, at magkakaroon ng mas malaking bentaha ang mga manggagawa ng pamahalaan mula sa mga team ng AI agent na humahawak sa mga bahaging matagal gawin sa kanilang trabaho upang makapagpokus sila sa paghatol, pangangasiwa, at kumplikadong pagdedesisyon. Ang gawaing ito ay umaayon sa mas malawak na pangako ng OpenAI sa paglilingkod sa publiko at sa layunin ng OpenAI for Government na bigyan ang mga lingkod-bayan ng mga kasangkapan na magpapahusay sa kanilang pagiging epektibo at magbibigay sa kanila ng mas matibay na suporta.

Sinusuri ng pamantayang ito ang kakayahan ng modelo sa mga mahusay na natukoy na gawain sa pagda-draft kung saan available ang kaugnay na konteksto, hindi ang buong kalabuan at pagpapasya ng mga desisyon sa pagpapahintulot sa totoong mundo. Binibigyang-diin nito ang katumpakan at tamang paggamit ng sanggunian upang linawin kung saan makatutulong ang mga modelo sa mga tagasuri na tao. Noong sinusuri ang mga kaso ng pagpalya, nakakita kami ng ilang “error” na talagang dulot ng mga lumang sanggunian at mahihinang pamantayan sa pagsusuri at kinailangan naming i-update ang mga rubric nang naaayon. Sa pangkalahatan, kung hindi kumpleto, hindi pare-pareho, o luma na ang mga materyal na mapagkukunan, maaaring hindi i-flag ng mga modelo ang mga hindi pagkakatugmang ito nang walang malinaw na mga tagubilin. Ang mga pag-deploy sa totoong mundo ay mas malamang na magsama ng feedback mula sa mga eksperto at iterasyon, na inaasahang magpapahusay sa pagganap nang higit pa sa kung ano ang naiulat sa mga self-contained na gawain sa pamantayan na ito. 

Sinusuportahan ng OpenAI ang PNNL upang higit pang paunlarin at pinuhin ang mga solusyon para sa mga application ng PermitAI⁠(magbubukas sa bagong window), na dinisenyo upang tulungan ang mga pederal na ahensya na pabilisin ang mga proseso ng pagkuha ng pagpapahinutlot. Sa pagdaan ng panahon, inaasahan naming bababa ang karaniwang oras para maaprubahan ang mga proyektong pang-imprastraktura na sinusuri sa antas pederal mula buwan tungo sa mga linggo, na magpapabilis sa pagbuo ng proyekto at magpapalakas sa kakayahang makipagkumpitensya ng U.S. at susuporta sa pangmatagalang paglago ng ekonomiya.