Klusā okeāna ziemeļrietumu nacionālā laboratorija un OpenAI sadarbojas, lai paātrinātu federālo atļauju izsniegšanu

Federālās valdības kritiskās infrastruktūras atļauju izsniegšanas procesa modernizēšana ir būtiska, lai veidotu ātrāku, drošāku un konkurētspējīgāku ASV ekonomiku. No enerģētikas projektiem un modernās ražošanas līdz transportam un ūdensapgādes sistēmām – atļauju izsniegšana nosaka, cik ātri daudzsološas idejas kļūst par reālās pasaules investīcijām. Tomēr mūsdienās vides un tehniskās pārbaudes bieži vien aizņem vairākus gadus, kas palēnina inovāciju, palielina izmaksas un aizkavē ieguvumus, ko šie projekti sniedz kopienām.

Tāpēc OpenAI sadarbojas ar ASV Enerģētikas departamenta Klusā okeāna ziemeļrietumu nacionālo laboratoriju (Pacific Northwest National Laboratory, PNNL) un tās PermitAI^TM⁠(atveras jaunā logā) komandu, lai novērtētu, vai programmēšanas aģenti var palīdzēt atbildīgi paātrināt federālo atļauju izsniegšanas darbu. PermitAI, Enerģētikas departamenta Politikas biroja finansēta iniciatīva, un OpenAI sadarbojās ar 19 nozares ekspertiem Nacionālās vides politikas likuma (NEPA) pārskatīšanas procesā, lai izstrādātu etalonu (sauktu DraftNEPABench), kas novērtē, cik labi MI modeļi veic uzdevumus, kas saistīti ar NEPA darbplūsmām, piemēram, vides ietekmes novērtējumu sagatavošanu. 

Reprezentatīvā sagatavošanas uzdevumu kopā, kas aptver NEPA dokumentu sadaļas no 18 federālajām aģentūrām, 19 eksperti konstatēja, ka vispārināti programmēšanas aģenti var potenciāli paātrināt NEPA dokumentu sagatavošanas darbu par 1 līdz 5 stundām katrā apakšsadaļā – līdz aptuveni 15% sagatavošanas laika samazinājumam – kas liecina par nozīmīgu soli uz priekšu tajā, kā MI var atbalstīt sarežģītas valdības darbplūsmas.

Federālo atļauju izsniegšana valdībā ir sarežģīts un dokumentācijas ziņā apjomīgs process. Pārskati bieži vien prasa izlasīt simtiem lappušu tehnisku ziņojumu, savstarpēji pārbaudīt informāciju no dažādiem avotiem un sagatavot detalizētas analīzes, kurām jāatbilst normatīvajām prasībām.

Šīs sadarbības ietvaros OpenAI un PNNL izpētīja potenciālu⁠(atveras jaunā logā) vispārināt programmēšanas aģentus (šajā gadījumā Codex CLI) kā efektīvu veidu, kā iegūt veiktspēju no spriestspējas modeļiem, piemēram, GPT‑5, tādiem pētniecības, tehniskās analīzes un ziņojumu rakstīšanas uzdevumiem, kas ietver failu sistēmu. Piešķirot modeļiem piekļuvi komandrindas saskarnei (parasti izmantotai programmēšanas uzdevumiem), tie var izmantot vispārīgākas stratēģijas uzdevuma risināšanai nekā manuāli izstrādātas heiristikas. Šiem aģentiem ir jāspēj:

• lasīt un precīzi sintezēt dokumentus, kas ietver simtiem lappušu tehniska un normatīva satura;
• pārbaudīt faktus no vairākiem vides, inženiertehniskiem un normatīviem avotiem;
• sagatavot strukturētus ziņojumus, kas atbilst precīzi noteiktiem juridiskiem un tehniskiem kritērijiem

Lai Amerikas Savienotās Valstis šajā Intelekta laikmetā⁠(atveras jaunā logā) turpinātu attīstīt savu ekonomiku, tām ir jāspēj būvēt droši, atbildīgi un ātri. Tā kā MI sistēmas arvien vairāk ietekmē fizisko pasauli, mums ir jāsaprot to spējas tādās jomās kā civilā inženierija, vides un regulatīvā analīze. Laika gaitā progresīviem modeļiem būs nepieciešams precīzi izprast likumus un noteikumus, jo tie palīdzēs izgudrot jaunas un drošākas tehnoloģijas, aizsargāt dabas resursus un apmierināt cilvēku vajadzības.

Vairāk nekā 50 gadus šis process ir prasījis federālajām aģentūrām pārskatīt un dokumentēt projektu ietekmi uz vidi, piemēram, tiltu, elektrostaciju, pārvades līniju un ražošanas objektu gadījumā. Šis etalons palīdz noteikt, kur mūsdienu MI modeļi var atbildīgi palīdzēt cilvēkiem paātrināt šīs darbplūsmas. 

Papildus autonomijas riska mazināšanai šis darbs var veicināt labāku saskarņu izstrādi ekspertiem un mākslīgajam intelektam. Ejot tālāk par statiskiem PDF failiem, programmēšanas aģenti var dinamiski ģenerēt tīmekļa ziņojumus un interaktīvas vizualizācijas no sava darba, atvieglojot cilvēku pārskatītāju validācijas procesu. 

Ar mākslīgo intelektu aģentūras varēs efektīvāk pārskatīt, pilnveidot un apstiprināt priekšlikumus, un valsts iestāžu darbinieki iegūs lielāku ietekmi, izmantojot mākslīgā intelekta aģentu komandas, kas uzņemas laikietilpīgās viņu darba daļas, lai viņi varētu koncentrēties uz spriestspēju, uzraudzību un sarežģītu lēmumu pieņemšanu. Šis darbs atbilst OpenAI plašākajiem mērķiem sabiedriskā labuma jomā un OpenAI for Government uzdevumam nodrošināt valsts pārvaldes darbiniekus ar rīkiem, kas palīdz viņiem strādāt efektīvāk un saņemt lielāku atbalstu.

Šis etalons novērtē modeļa spējas labi definētos projektu sagatavošanas uzdevumos, kuros ir pieejams attiecīgais konteksts, nevis reālās pasaules atļauju izsniegšanas lēmumu pilnā neskaidrība un rīcības brīvība. Tas uzsver precizitāti un pareizu atsauču izmantošanu, lai skaidri norādītu, kur modeļi varētu palīdzēt cilvēkiem pārskatītājiem. Pārskatot neveiksmīgos gadījumus, mēs konstatējām, ka daži "kļūdu" gadījumi patiesībā bija saistīti ar novecojušām atsaucēm un vājiem novērtēšanas kritērijiem, un mums attiecīgi bija jāatjaunina vērtēšanas shēmas. Vispārīgāk runājot, ja avota materiāli ir nepilnīgi, nekonsekventi vai novecojuši, modeļi var neatzīmēt šīs neatbilstības bez skaidriem norādījumiem. Reālās pasaules ieviešanas gadījumi, visticamāk, ietvers ekspertu atsauksmes un iterācijas, un ir gaidāms, ka tas uzlabos sniegumu, pārsniedzot to, kas ir ziņots šajos ierobežotajos etalonu uzdevumos. 

OpenAI atbalsta PNNL, lai turpinātu izstrādāt un pilnveidot risinājumus PermitAI⁠(atveras jaunā logā)lietojumiem, kas paredzēti federālo aģentūru atļauju izsniegšanas procesu vienkāršošanai. Mēs paredzam, ka laika gaitā federāli pārskatītu infrastruktūras projektu vidējais apstiprināšanas laiks samazināsies no mēnešiem līdz nedēļām, paātrinot projektu attīstību, stiprinot ASV konkurētspēju un atbalstot ilgtermiņa ekonomisko izaugsmi.