Pacific Northwest National Laboratory i OpenAI udružuju snage kako bi ubrzali postupke izdavanja saveznih dozvola

Modernizacija načina na koji savezna vlada izdaje dozvole za projekte ključne infrastrukture nužna je za izgradnju bržeg, sigurnijeg i konkurentnijeg američkog gospodarstva. Od energetskih projekata i napredne proizvodnje do prometa i vodoopskrbnih sustava, izdavanje dozvola određuje koliko se brzo kvalitetne projektne ideje pretvaraju u stvarna ulaganja. No danas postupci okolišnih i tehničkih revizija često traju godinama, što usporava inovacije, povećava troškove i odgađa koristi koje ti projekti donose zajednicama.

Zato je OpenAI sklopio partnerstvo s Pacific Northwest National Laboratory (PNNL) američkog Ministarstva energetike i njegovim timom PermitAI^TM⁠(otvara se u novom prozoru) za procjenu uspješnosti AI modela u zadacima povezanima s postupcima prema NEPA-i, poput izrade izjava o utjecaju na okoliš. PermitAI, inicijativa koju financira Ured za politiku Ministarstva energetike, i OpenAI surađivali su s 19 stručnjaka za postupak revizije prema Zakonu o nacionalnoj politici zaštite okoliša (NEPA) kako bi osmislili referentni test (DraftNEPABench) za procjenu uspješnosti AI modela u zadacima povezanima s radnim procesima NEPA, poput izrade izjava o utjecaju na okoliš. 

Na reprezentativnom skupu zadataka izrade koji obuhvaćaju odjeljke dokumentacije prema NEPA-i iz 18 saveznih agencija, 19 stručnjaka utvrdilo je da generalizirani agenti za kodiranje imaju potencijal ubrzati izradu dokumentacije prema NEPA-i za 1 do 5 sati po pododjeljku – što predstavlja smanjenje vremena izrade do približno 15 % – te ukazuje na značajan pomak u načinu na koji AI može poduprijeti složene državne postupke.

Savezno izdavanje dozvola složen je proces u vladi s velikim brojem dokumenata. Pregledi često zahtijevaju čitanje stotina stranica tehničkih izvješća, provjeru informacija iz više izvora i izradu detaljnih analiza koje moraju ispunjavati zahtjeve za usklađenost s propisima.

Kroz ovu suradnju, OpenAI i PNNL istražili su moć⁠(otvara se u novom prozoru) generaliziranja agenata za kodiranje (u ovom slučaju, Codex CLI) kao učinkovitog načina za izvlačenje performansi iz modela za rasuđivanje kao što je GPT‑5 za zadatke istraživanja, tehničke analize i pisanja izvješća koji uključuju datotečni sustav. Kad modelima omogućimo pristup sučelju naredbenog retka (koje se najčešće koristi za kodiranje), mogu koristiti općenitije strategije rješavanja zadataka od unaprijed definiranih heuristika. Ovi agenti moraju:

• Pročitajte i točno sintetizirajte dokumente koji obuhvaćaju stotine stranica tehničkog i regulatornog sadržaja
• Provjerite činjenice iz više okolišnih, inženjerskih i regulatornih izvora
• Izradite strukturirane izvještaje koji ispunjavaju strogo određene pravne i tehničke kriterije

Kako bi Sjedinjene Američke Države nastavile razvijati svoje gospodarstvo u ovom dobu inteligencije⁠(otvara se u novom prozoru), moraju moći graditi sigurno, odgovorno i brzo. Kako AI sustavi sve više utječu na fizički svijet, moramo razumjeti njihove sposobnosti u područjima poput građevinskog inženjerstva, okolišne analize i regulatornih postupaka. S vremenom će napredni modeli morati točno razumjeti zakone i propise dok pomažu izumiti nove i sigurnije tehnologije, zaštititi prirodne resurse i zadovoljiti ljudske potrebe.

Više od 50 godina taj postupak zahtijeva od saveznih agencija da pregledaju i dokumentiraju utjecaje projekata poput mostova, elektrana, prijenosnih vodova i proizvodnih postrojenja na okoliš. Ovaj referentni test pomaže utvrditi u kojim segmentima današnji AI modeli mogu na odgovoran način pomagati ljudima u ubrzavanju tih postupaka. 

Osim smanjenja rizika povezanih s autonomijom, ovaj rad može unaprijediti dizajn boljih sučelja za stručnjake i umjetnu inteligenciju. Nadilaženjem statičnih PDF-ova, agenti za kodiranje mogu dinamički generirati web-bazirana izvješća i interaktivne vizualizacije iz svojeg rada, što ljudskim recenzentima olakšava provjeru. 

Uz AI, agencije će moći učinkovitije pregledavati, dorađivati i odobravati prijedloge, a državni službenici dobit će veću podršku od timova AI agenata koji preuzimaju vremenski zahtjevne dijelove njihova posla kako bi se mogli usredotočiti na prosudbu, nadzor i donošenje složenih odluka. Ovaj rad usklađen je s OpenAI-jevom širom predanošću javnoj službi i ciljem inicijative OpenAI for Government da javnim službenicima osigura alate koji ih čine učinkovitijima i pružaju im veću podršku.

Ovaj referentni test procjenjuje sposobnost modela na jasno definiranim zadacima izrade dokumentacije u kojima je relevantni kontekst dostupan, a ne obuhvaća punu razinu neizvjesnosti i diskrecijskih procjena prisutnih u stvarnim postupcima izdavanja dozvola. Naglašava točnost i ispravnu upotrebu referenci kako bi se razjasnilo gdje bi modeli mogli pomoći ljudskim recenzentima. Pri analizi neuspješnih slučajeva utvrdili smo da su neke „pogreške” zapravo bile posljedica zastarjelih referenci i slabih kriterija ocjenjivanja, zbog čega smo morali ažurirati rubrike za vrednovanje u skladu s tim. Općenitije, ako su izvorni materijali nepotpuni, nedosljedni ili zastarjeli, modeli možda neće označiti ta odstupanja bez izravnih uputa. U stvarnim primjenama vjerojatnije je da će proces uključivati povratne informacije stručnjaka i ponovljene dorade, što bi trebalo dovesti do boljih rezultata od onih zabilježenih u ovim samostalno definiranim zadacima referentnog testa. 

OpenAI pruža podršku PNNL-u u daljnjem razvoju i unaprjeđivanju rješenja za aplikacije PermitAI⁠(otvara se u novom prozoru), osmišljene kako bi saveznih agencijama pomogle pojednostaviti postupke izdavanja dozvola. S vremenom očekujemo da će se prosječno vrijeme od podnošenja do odobrenja za infrastrukturne projekte koji podliježu saveznoj reviziji smanjiti s mjeseci na tjedne, čime će se ubrzati razvoj projekata, ojačati konkurentnost Sjedinjenih Američkih Država i poduprijeti dugoročni gospodarski rast.