A Pacific Northwest National Laboratory és az OpenAI partnerségre lép a szövetségi engedélyezés felgyorsítása érdekében

A kritikus infrastruktúrák szövetségi engedélyezési folyamatainak modernizálása kulcsfontosságú egy gyorsabb, biztonságosabb és versenyképesebb amerikai gazdaság megteremtéséhez. Az energetikai projektektől és a fejlett gyártástól kezdve a közlekedési és vízügyi rendszerekig az engedélyezési folyamat határozza meg, milyen gyorsan válnak az ígéretes elképzelések valós beruházásokká. Ennek ellenére ma a környezeti és műszaki felülvizsgálatok gyakran évekig tartanak, ami lassítja az innovációt, növeli a költségeket, és késlelteti a projektek közösségek számára nyújtott előnyeit.

Ezért az OpenAI és az Egyesült Államok Energiaügyi Minisztériumához tartozó Pacific Northwest National Laboratory (PNNL), valamint annak PermitAI^TM⁠(új ablakban nyílik meg) csapata partnerségre lépett, hogy felmérjék, vajon a kódolóügynökök képesek-e felelősségteljes módon felgyorsítani a szövetségi engedélyezési munkafolyamatokat. Az Energiaügyi Minisztérium Szakpolitikai Hivatalának finanszírozásával megvalósuló PermitAI kezdeményezés, valamint az OpenAI összesen 19 szakértővel együttműködve, a National Environmental Policy Act (NEPA) felülvizsgálati folyamatára alapozva tervezett egy (DraftNEPABench elnevezésű) benchmarkot annak értékelésére, hogy az AI modellek mennyire teljesítenek jól a NEPA-munkafolyamatokhoz kapcsolódó feladatokban, például a környezeti hatásvizsgálati nyilatkozatok megfogalmazásában. 

A 18 szövetségi ügynökség NEPA-dokumentumrészeit lefedő, reprezentatív tervezetkészítési feladatsoron 19 szakértő arra jutott, hogy az általános célú kódolóügynökök alfejezetenként akár 1–5 órával is felgyorsíthatják a NEPA-dokumentumok kidolgozását – nagyjából 15%-os tervezetkészítési időcsökkenést eredményezve –, ami jól mutatja, hogy az AI érdemi előrelépést hozhat az összetett kormányzati munkafolyamatok támogatásában.

A szövetségi engedélyezés összetett és dokumentumigényes kormányzati folyamat. Az áttekintések gyakran több száz oldalnyi műszaki jelentés átolvasását, különböző forrásokból származó információk összevetését, valamint olyan részletes elemzések kidolgozását igénylik, amelyeknek meg kell felelniük a szabályozási követelményeknek.

Az együttműködés során az OpenAI és a PNNL azt vizsgálta⁠(új ablakban nyílik meg), hogy miként lehet az általános célú kódolóügynökök – jelen esetben a Codex CLI – hatékony használatával kihozni a maximális teljesítményt az olyan érvelési modellekből, mint a GPT‑5, különösen a fájlrendszer használatára épülő kutatási, műszaki elemzési és jelentésírási feladatok esetén. Ha a modellek hozzáférést kapnak egy parancssori felülethez (amelyet jellemzően kódolási feladatoknál használnak), általánosabb problémamegoldási stratégiákat alkalmazhatnak a kézzel kialakított heurisztikák helyett. Ezeknek az ügynököknek a következőkre kell képesnek lenniük:

• Több száz oldalnyi műszaki és szabályozási tartalmú dokumentum olvasása és pontos szintetizálása
• Tények ellenőrzése több környezeti, mérnöki és szabályozási forrás alapján
• Szigorúan meghatározott jogi és műszaki kritériumoknak megfelelő strukturált jelentések készítése

Ahhoz, hogy az Egyesült Államok az intelligenciára korában⁠(új ablakban nyílik meg) is tovább tudja növelni gazdasági teljesítményét, képesnek kell lennie a biztonságos, felelősségteljes és gyors építkezésre. Ahogy az AI-rendszerek egyre nagyobb hatást gyakorolnak a fizikai világra, meg kell értenünk az építőmérnöki, környezetvédelmi és szabályozási elemzések területén tapasztalható képességeiket. Idővel a fejlett modelleknek pontosan kell érteniük a jogszabályokat és szabályozásokat, miközben hozzájárulnak az új és biztonságosabb technológiák létrehozásához, a természeti erőforrások védelméhez és az emberi igények kielégítéséhez.

A folyamat immár több mint 50 éve előírja, hogy a szövetségi ügynökségek felülvizsgálják és dokumentálják az olyan projektek környezeti hatásait, amilyenek például a hidak, az erőművek, a távvezetékek és a gyártóüzemek. A benchmark segítségével megállapítható, hogy napjaink AI-modelljei hol képesek az emberek felelősségteljes támogatására e munkafolyamatok felgyorsításában. 

Az autonóm működés kockázatainak csökkentése mellett ez a munka hozzájárulhat a szakértők és az AI közötti hatékonyabb interfészek tervezéséhez is. A statikus PDF-eket meghaladva a kódolóügynökök dinamikusan képesek webalapú jelentéseket és interaktív vizualizációkat létrehozni, ami az emberi felülvizsgálók számára megkönnyíti az eredmények ellenőrzését. 

Az AI segítségével az ügynökségek hatékonyabban tudják majd a javaslatokat felülvizsgálni, finomítani és jóváhagyni, a kormányzati dolgozók pedig AI-ügynökökből álló csapatokra támaszkodhatnak az időigényes feladatok kezelésében, így a mérlegelésre, felügyeletre és az összetett döntéshozatalra koncentrálhatnak. Ez a munka összhangban van az OpenAI közszolgálat iránti szélesebb körű elkötelezettségével, valamint az OpenAI for Government azon céljához, hogy a közszolgálati dolgozókat olyan eszközökkel lássa el, amelyek növelik a hatékonyságukat és erősítik a támogatottságukat.

Ez a benchmark a modellek képességeit jól definiált tervezetkészítési feladatokon keresztül értékeli, ahol rendelkezésre áll a szükséges kontextus, és nem a valós engedélyezési döntések teljes bizonytalanságát és mérlegelési összetettségét vizsgálja. A pontosságot és a hivatkozások helyes használatát helyezi előtérbe, hogy egyértelművé tegye, hol támogathatják a modellek az emberi felülvizsgálók munkáját. A hibás esetek áttekintésekor azt találtuk, hogy egyes „hibák” valójában elavult hivatkozásokból és gyenge értékelési kritériumokból adódtak, ezért ennek megfelelően frissítenünk kellett az értékelési szempontrendszert. Általánosabban fogalmazva, ha a forrásanyagok hiányosak, ellentmondásosak vagy elavultak, a modellek egyértelmű utasítások nélkül nem feltétlenül jelzik ezeket az eltéréseket. A valós környezetben végzett telepítések nagyobb valószínűséggel eredményeznek szakértői visszajelzést és iterációt, ami várhatóan a teljesítmény javulásához vezet az itt bemutatott, önálló benchmarkfeladatokhoz képest. 

Az OpenAI támogatja a PNNL-t a PermitAI⁠(új ablakban nyílik meg) alkalmazásaihoz kapcsolódó megoldások továbbfejlesztésében és finomításában, amelyek célja, hogy segítsék a szövetségi ügynökségeket az engedélyezési folyamatok egyszerűsítésében. Idővel arra számítunk, hogy a szövetségi felülvizsgálat alá tartozó infrastrukturális projektek jóváhagyásának átlagos ideje hónapokról hetekre csökkenhet, ami felgyorsíthatja a projektek megvalósítását, erősítheti az Egyesült Államok versenyképességét és támogathatja a hosszú távú gazdasági növekedést.