Pacific Northwest National Laboratory ਅਤੇ OpenAI ਨੇ ਸੰਘੀ ਪਰਮਿਟਿੰਗ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਸਾਂਝੇਦਾਰੀ ਕੀਤੀ
ਨਵਾਂ ਬੈਂਚਮਾਰਕ ਢਾਂਚਾਗਤ ਪਰਮਿਟਿੰਗ ਸਮਾਂ-ਰੇਖਾਵਾਂ ਘਟਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਦਿਖਾਉਂਦਾ ਹੈ
ਸੰਘੀ ਸਰਕਾਰ ਮਹੱਤਵਪੂਰਨ ਢਾਂਚਾਗਤ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਪਰਮਿਟਿੰਗ ਨੂੰ ਜਿਸ ਤਰੀਕੇ ਨਾਲ ਆਧੁਨਿਕ ਬਣਾਉਂਦੀ ਹੈ, ਉਹ ਤੇਜ਼, ਸੁਰੱਖਿਅਤ ਅਤੇ ਹੋਰ ਮੁਕਾਬਲਾਤਮਕ ਅਮਰੀਕੀ ਅਰਥਵਿਵਸਥਾ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ. ਊਰਜਾ ਪ੍ਰੋਜੈਕਟਾਂ ਅਤੇ ਅਗੇਤਰਨਿਰਮਾਣ ਤੋਂ ਲੈ ਕੇ ਆਵਾਜਾਈ ਅਤੇ ਜਲ ਪ੍ਰਣਾਲੀਆਂ ਤੱਕ, ਪਰਮਿਟਿੰਗ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਉਮੀਦਵਾਰ ਵਿਚਾਰ ਅਸਲ ਨਿਵੇਸ਼ਾਂ ਵਿੱਚ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਦੇ ਹਨ. ਫਿਰ ਵੀ, ਅੱਜ ਵਾਤਾਵਰਣੀ ਅਤੇ ਤਕਨੀਕੀ ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਅਕਸਰ ਸਾਲ ਲੱਗ ਜਾਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਨਵਾਟੇ ਦੀ ਰਫ਼ਤਾਰ ਘਟਦੀ ਹੈ, ਲਾਗਤਾਂ ਵਧਦੀਆਂ ਹਨ ਅਤੇ ਇਨ੍ਹਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਭਾਈਚਾਰਿਆਂ ਤੱਕ ਪਹੁੰਚਣ ਵਾਲੇ ਲਾਭਾਂ ਵਿੱਚ ਦੇਰੀ ਹੁੰਦੀ ਹੈ.
ਇਸੇ ਲਈ OpenAI ਨੇ ਅਮਰੀਕੀ ਊਰਜਾ ਵਿਭਾਗ ਦੇ Pacific Northwest National Laboratory (PNNL) ਅਤੇ ਇਸ ਦੀ PermitAI™(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਟੀਮ ਨਾਲ ਇਹ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਸਾਂਝੇਦਾਰੀ ਕੀਤੀ ਹੈ ਕਿ ਕੀ ਕੋਡਿੰਗ ਏਜੰਟ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਸੰਘੀ ਪਰਮਿਟਿੰਗ ਦੇ ਕੰਮ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ. PermitAI, ਜੋ ਊਰਜਾ ਵਿਭਾਗ ਦੇ Office of Policy ਵੱਲੋਂ ਵਿੱਤਪੋਸ਼ਿਤ ਇਕ ਪਹਿਲ ਹੈ, ਅਤੇ OpenAI ਨੇ ਰਾਸ਼ਟਰੀ ਵਾਤਾਵਰਣ ਨੀਤੀ ਐਕਟ ਸਮੀਖਿਆ ਪ੍ਰਕਿਰਿਆ ਦੇ 19 ਵਿਸ਼ਾ-ਵਿਸ਼ੇਸ਼ਗਿਆਨਾਂ ਨਾਲ ਮਿਲ ਕੇ ਇੱਕ ਬੈਂਚਮਾਰਕ (ਜਿਸਨੂੰ DraftNEPABench ਕਿਹਾ ਜਾਂਦਾ ਹੈ) ਤਿਆਰ ਕੀਤਾ, ਤਾਂ ਜੋ ਇਹ ਆਂਕਿਆ ਜਾ ਸਕੇ ਕਿ AI ਮਾਡਲ NEPA ਵਰਕਫਲੋ ਨਾਲ ਸੰਬੰਧਿਤ ਕੰਮਾਂ, ਜਿਵੇਂ ਕਿ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ ਬਿਆਨ ਤਿਆਰ ਕਰਨ, ਵਿੱਚ ਕਿੰਨਾ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ.
18 ਸੰਘੀ ਏਜੰਸੀਆਂ ਦੇ NEPA ਦਸਤਾਵੇਜ਼ ਭਾਗਾਂ ਨੂੰ ਘੇਰਨ ਵਾਲੇ ਮਸੌਦਾ-ਤਿਆਰੀ ਕੰਮਾਂ ਦੇ ਇੱਕ ਪ੍ਰਤੀਨਿਧੀ ਸਮੂਹ ਵਿੱਚ, 19 ਵਿਸ਼ੇਸ਼ਗਿਆਨਾਂ ਨੇ ਪਾਇਆ ਕਿ ਆਮਕਰਨਯੋਗ ਕੋਡਿੰਗ ਏਜੰਟ NEPA ਦਸਤਾਵੇਜ਼ ਮਸੌਦਾ-ਤਿਆਰੀ ਦੇ ਕੰਮ ਨੂੰ ਪ੍ਰਤੀ ਉਪਭਾਗ 1 ਤੋਂ 5 ਘੰਟੇ ਤੱਕ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ—ਅਰਥਾਤ ਮਸੌਦਾ-ਤਿਆਰੀ ਸਮੇਂ ਵਿੱਚ ਲਗਭਗ 15% ਤੱਕ ਦੀ ਕਮੀ—ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ AI ਜਟਿਲ ਸਰਕਾਰੀ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਸਹਾਇਤਾ ਦੇਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇਹ ਇਕ ਮਤਲਬਪੂਰਨ ਅੱਗੇ ਕਦਮ ਹੈ.
ਸੰਘੀ ਪਰਮਿਟਿੰਗ ਸਰਕਾਰ ਵਿੱਚ ਇੱਕ ਜਟਿਲ ਅਤੇ ਦਸਤਾਵੇਜ਼-ਭਾਰੀ ਪ੍ਰਕਿਰਿਆ ਹੈ. ਸਮੀਖਿਆਵਾਂ ਲਈ ਅਕਸਰ ਤਕਨੀਕੀ ਰਿਪੋਰਟਾਂ ਦੇ ਸੈਂਕੜਿਆਂ ਸਫ਼ੇ ਪੜ੍ਹਣੇ, ਕਈ ਸਰੋਤਾਂ ਵਿੱਚ ਜਾਣਕਾਰੀ ਦੀ ਪੜਤਾਲ ਕਰਨੀ, ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਲਿਖਣੇ ਪੈਂਦੇ ਹਨ ਜੋ ਨਿਯਮਕ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ.
ਇਸ ਸਹਿਯੋਗ ਰਾਹੀਂ, OpenAI ਅਤੇ PNNL ਨੇ ਸਮਰੱਥਾ ਦੀ ਖੋਜ ਕੀਤੀ(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਕਿ ਆਮਕਰਨਯੋਗ ਕੋਡਿੰਗ ਏਜੰਟ (ਇਸ ਮਾਮਲੇ ਵਿੱਚ, Codex CLI) ਨੂੰ ਖੋਜ, ਤਕਨੀਕੀ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਫਾਈਲ ਸਿਸਟਮ ਨਾਲ ਜੁੜੀਆਂ ਰਿਪੋਰਟ-ਲਿਖਾਈ ਦੇ ਕੰਮਾਂ ਲਈ GPT‑5 ਵਰਗੇ ਰੀਜ਼ਨਿੰਗ ਮਾਡਲਾਂ ਤੋਂ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕੇ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ. ਮਾਡਲਾਂ ਨੂੰ ਕਮਾਂਡ-ਲਾਈਨ ਇੰਟਰਫੇਸ ਤੱਕ ਪਹੁੰਚ ਦੇ ਕੇ (ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਕੋਡਿੰਗ ਕੰਮਾਂ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ), ਉਹ ਕਿਸੇ ਕੰਮ ਨੂੰ ਸੁਲਝਾਉਣ ਲਈ ਹੱਥੋਂ ਤਿਆਰ ਕੀਤੀਆਂ ਹੀਰਿਸਟਿਕਸ ਨਾਲੋਂ ਹੋਰ ਆਮ ਰਣਨੀਤੀਆਂ ਵਰਤ ਸਕਦੇ ਹਨ. ਇਨ੍ਹਾਂ ਏਜੰਟਾਂ ਲਈ ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਉਹ:
- ਤਕਨੀਕੀ ਅਤੇ ਨਿਯਮਕ ਸਮੱਗਰੀ ਦੇ ਸੈਂਕੜਿਆਂ ਸਫ਼ਿਆਂ ਵਾਲੇ ਦਸਤਾਵੇਜ਼ ਪੜ੍ਹਣ ਅਤੇ ਉਨ੍ਹਾਂ ਦਾ ਸਹੀ ਸਾਰ ਤਿਆਰ ਕਰਨ
- ਕਈ ਵਾਤਾਵਰਣੀ, ਇੰਜੀਨੀਅਰਿੰਗ ਅਤੇ ਨਿਯਮਕ ਸਰੋਤਾਂ ਵਿੱਚ ਤੱਥਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ
- ਐਸੀ ਸੰਰਚਿਤ ਰਿਪੋਰਟਾਂ ਦਾ ਮਸੌਦਾ ਤਿਆਰ ਕਰਨ ਜੋ ਬਹੁਤ ਵਿਸ਼ੇਸ਼ ਕਾਨੂੰਨੀ ਅਤੇ ਤਕਨੀਕੀ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੀਆਂ ਹੋਣ
ਜੇ ਸੰਯੁਕਤ ਰਾਜ ਇਸ Intelligence Age(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਿੱਚ ਆਪਣੀ ਅਰਥਵਿਵਸਥਾ ਨੂੰ ਵਧਾਉਂਦਾ ਰਹਿਣਾ ਚਾਹੁੰਦਾ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ, ਜ਼ਿੰਮੇਵਾਰ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਨਿਰਮਾਣ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਪਵੇਗਾ. ਜਿਵੇਂ-ਜਿਵੇਂ AI ਸਿਸਟਮ ਭੌਤਿਕ ਦੁਨੀਆ 'ਤੇ ਵੱਧਦਾ ਪ੍ਰਭਾਵ ਪਾ ਰਹੇ ਹਨ, ਸਾਨੂੰ ਨਾਗਰਿਕ ਇੰਜੀਨੀਅਰਿੰਗ, ਵਾਤਾਵਰਣੀ ਅਤੇ ਨਿਯਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਸਮਝਣਾ ਹੋਵੇਗਾ. ਸਮੇਂ ਦੇ ਨਾਲ, ਅਗੇਤਰ ਮਾਡਲਾਂ ਨੂੰ ਕਾਨੂੰਨਾਂ ਅਤੇ ਨਿਯਮਾਂ ਨੂੰ ਸਹੀ ਤਰੀਕੇ ਨਾਲ ਸਮਝਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ, ਜਦੋਂ ਉਹ ਨਵੀਆਂ ਅਤੇ ਹੋਰ ਸੁਰੱਖਿਅਤ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਰਚਨਾ ਕਰਨ, ਕੁਦਰਤੀ ਸਰੋਤਾਂ ਦੀ ਰੱਖਿਆ ਕਰਨ ਅਤੇ ਮਨੁੱਖੀ ਲੋੜਾਂ ਪੂਰੀਆਂ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਗੇ.
50 ਸਾਲ ਤੋਂ ਵੱਧ ਸਮੇਂ ਤੋਂ, ਇਸ ਪ੍ਰਕਿਰਿਆ ਅਧੀਨ ਸੰਘੀ ਏਜੰਸੀਆਂ ਲਈ ਪੁਲਾਂ, ਬਿਜਲੀ ਘਰਾਂ, ਟ੍ਰਾਂਸਮਿਸ਼ਨ ਲਾਈਨਾਂ ਅਤੇ ਨਿਰਮਾਣ ਸਹੂਲਤਾਂ ਵਰਗੇ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਵਾਤਾਵਰਣੀ ਪ੍ਰਭਾਵਾਂ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕਰਨਾ ਲਾਜ਼ਮੀ ਰਿਹਾ ਹੈ. ਇਹ ਬੈਂਚਮਾਰਕ ਇਹ ਪਛਾਣਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਅੱਜ ਦੇ AI ਮਾਡਲ ਕਿੱਥੇ ਮਨੁੱਖਾਂ ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਢੰਗ ਨਾਲ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਤਾਂ ਜੋ ਇਨ੍ਹਾਂ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਤੇਜ਼ ਕੀਤਾ ਜਾ ਸਕੇ.
102 ਕੰਮਾਂ ਵਿੱਚ ਔਸਤ ਮੁਲਾਂਕਣ ਸਕੋਰ (1–5 ਪੈਮਾਨਾ), ਮੁੱਖ ਏਜੰਸੀ ਅਨੁਸਾਰ ਸਮੂਹਬੱਧ. ਸਕੋਰਾਂ ਵਿੱਚ ਸੰਰਚਨਾ, ਸਪਸ਼ਟਤਾ, ਸਹੀਪਣ ਅਤੇ ਹਵਾਲਿਆਂ ਦੇ ਮੁਲਾਂਕਣ ਜੋੜੇ ਗਏ ਹਨ. 1 ਦਾ ਸਕੋਰ ਵੱਡੀਆਂ ਕਮੀਆਂ ਦਰਸਾਉਂਦਾ ਹੈ, 3 ਅੰਸ਼ਿਕ ਤੌਰ 'ਤੇ ਸਹੀ ਮਸੌਦਾ ਦਰਸਾਉਂਦਾ ਹੈ, ਅਤੇ 5 ਦਾ ਸਕੋਰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਹੀ ਅਤੇ ਸੰਪੂਰਨ ਮਸੌਦਾ ਦਰਸਾਉਂਦਾ ਹੈ.
ਸਵੈਚਾਲਨ ਨਾਲ ਜੁੜੇ ਖਤਰਿਆਂ ਨੂੰ ਘਟਾਉਣ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਕੰਮ ਵਿਸ਼ੇਸ਼ਗਿਆਨਾਂ ਅਤੇ AI ਲਈ ਬਿਹਤਰ ਇੰਟਰਫੇਸਾਂ ਦੇ ਡਿਜ਼ਾਇਨ ਨੂੰ ਅੱਗੇ ਵਧਾ ਸਕਦਾ ਹੈ. ਸਥਿਰ PDF ਤੋਂ ਅੱਗੇ ਵਧਦਿਆਂ, ਕੋਡਿੰਗ ਏਜੰਟ ਆਪਣੇ ਕੰਮ ਤੋਂ ਗਤੀਸ਼ੀਲ ਵੈੱਬ-ਆਧਾਰਿਤ ਰਿਪੋਰਟਾਂ ਅਤੇ ਇੰਟਰਐਕਟਿਵ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਮਨੁੱਖੀ ਸਮੀਖਿਆਕਾਰਾਂ ਲਈ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਆਸਾਨ ਹੁੰਦਾ ਹੈ.
AI ਦੇ ਨਾਲ, ਏਜੰਸੀਆਂ ਪ੍ਰਸਤਾਵਾਂ ਦੀ ਹੋਰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਸਮੀਖਿਆ, ਸੁਧਾਰ ਅਤੇ ਮਨਜ਼ੂਰੀ ਦੇ ਸਕਣਗੀਆਂ, ਅਤੇ ਸਰਕਾਰੀ ਕਰਮਚਾਰੀਆਂ ਨੂੰ AI ਏਜੰਟਾਂ ਦੀਆਂ ਟੀਮਾਂ ਤੋਂ ਸਹਾਇਤਾ ਮਿਲੇਗੀ ਜੋ ਉਨ੍ਹਾਂ ਦੇ ਕੰਮ ਦੇ ਸਮਾਂ-ਖਪਤ ਹਿੱਸਿਆਂ ਨੂੰ ਸੰਭਾਲਣਗੀਆਂ, ਤਾਂ ਜੋ ਉਹ ਫ਼ੈਸਲਾ-ਸਮਰੱਥਾ, ਨਿਗਰਾਨੀ ਅਤੇ ਜਟਿਲ ਫ਼ੈਸਲਾ-ਲੈਣ 'ਤੇ ਧਿਆਨ ਦੇ ਸਕਣ. ਇਹ ਕੰਮ ਜਨ ਸੇਵਾ ਪ੍ਰਤੀ OpenAI ਦੀ ਵਿਆਪਕ ਵਚਨਬੱਧਤਾ ਅਤੇ OpenAI for Government ਦੇ ਉਸ ਲਕਸ਼ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਜਿਸਦਾ ਉਦੇਸ਼ ਲੋਕ ਸੇਵਕਾਂ ਨੂੰ ਅਜੇਹੇ ਸਾਧਨਾਂ ਨਾਲ ਸਜਾਣਾ ਹੈ ਜੋ ਉਨ੍ਹਾਂ ਨੂੰ ਹੋਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਅਤੇ ਸਮਰਥਿਤ ਬਣਾਉਣ.
ਇਹ ਬੈਂਚਮਾਰਕ ਉਹਨਾਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਿਰਧਾਰਤ ਮਸੌਦਾ-ਤਿਆਰੀ ਕੰਮਾਂ 'ਤੇ ਮਾਡਲ ਸਮਰੱਥਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਸੰਬੰਧਤ ਸੰਦਰਭ ਉਪਲਬਧ ਹੁੰਦਾ ਹੈ, ਨਾ ਕਿ ਅਸਲ ਦੁਨੀਆ ਦੀ ਪਰਮਿਟਿੰਗ ਫ਼ੈਸਲਾ-ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਮੌਜੂਦ ਪੂਰੀ ਅਸਪਸ਼ਟਤਾ ਅਤੇ ਵਿਵੇਕ ਦਾ. ਇਹ ਸਹੀਪਣ ਅਤੇ ਹਵਾਲਿਆਂ ਦੇ ਸਹੀ ਉਪਯੋਗ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਜੋ ਇਹ ਸਪਸ਼ਟ ਕੀਤਾ ਜਾ ਸਕੇ ਕਿ ਮਾਡਲ ਮਨੁੱਖੀ ਸਮੀਖਿਆਕਾਰਾਂ ਦੀ ਕਿੱਥੇ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ. ਜਦੋਂ ਅਸੀਂ ਅਸਫਲਤਾ ਵਾਲੇ ਮਾਮਲਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ, ਤਾਂ ਸਾਨੂੰ ਪਤਾ ਲੱਗਾ ਕਿ ਕੁਝ “ਗਲਤੀਆਂ” ਦਰਅਸਲ ਪੁਰਾਣੇ ਹਵਾਲਿਆਂ ਅਤੇ ਕਮਜ਼ੋਰ ਮੁਲਾਂਕਣ ਮਾਪਦੰਡਾਂ ਕਾਰਨ ਸਨ, ਅਤੇ ਸਾਨੂੰ ਉਸ ਅਨੁਸਾਰ ਰੂਬਰਿਕਸ ਅਪਡੇਟ ਕਰਨੇ ਪਏ. ਹੋਰ ਆਮ ਤੌਰ 'ਤੇ, ਜੇ ਸਰੋਤ ਸਮੱਗਰੀ ਅਧੂਰੀ, ਅਸੰਗਤ ਜਾਂ ਪੁਰਾਣੀ ਹੋਵੇ, ਤਾਂ ਮਾਡਲ ਸਪਸ਼ਟ ਨਿਰਦੇਸ਼ਾਂ ਤੋਂ ਬਿਨਾਂ ਇਨ੍ਹਾਂ ਵਿਰੋਧਾਂ ਨੂੰ ਲਾਜ਼ਮੀ ਨਹੀਂ ਦਰਸਾਉਣਗੇ. ਅਸਲ ਦੁਨੀਆ ਦੇ ਨਿਯੋਜਨਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਗਿਆਨ ਫੀਡਬੈਕ ਅਤੇ ਦੁਹਰਾਵ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਵੱਧ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਸ ਆਪ ਵਿੱਚ ਸੰਪੂਰਨ ਬੈਂਚਮਾਰਕ ਦੇ ਕੰਮਾਂ ਵਿੱਚ ਦਰਸਾਏ ਗਏ ਨਤੀਜਿਆਂ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਉਮੀਦ ਹੈ.
OpenAI, PNNL ਨੂੰ PermitAI(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਹੱਲਾਂ ਨੂੰ ਹੋਰ ਵਿਕਸਿਤ ਅਤੇ ਨਿਖਾਰਨ ਵਿੱਚ ਸਹਾਇਤਾ ਦੇ ਰਹੀ ਹੈ, ਜੋ ਸੰਘੀ ਏਜੰਸੀਆਂ ਨੂੰ ਪਰਮਿਟਿੰਗ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਹੋਰ ਸੁਚਾਰੂ ਬਣਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ. ਸਮੇਂ ਦੇ ਨਾਲ, ਅਸੀਂ ਉਮੀਦ ਕਰਦੇ ਹਾਂ ਕਿ ਸੰਘੀ ਸਮੀਖਿਆ ਹੇਠ ਆਉਣ ਵਾਲੇ ਢਾਂਚਾਗਤ ਪ੍ਰੋਜੈਕਟਾਂ ਲਈ ਮਨਜ਼ੂਰੀ ਦਾ ਔਸਤ ਸਮਾਂ ਮਹੀਨਿਆਂ ਤੋਂ ਹਫ਼ਤਿਆਂ ਤੱਕ ਘਟੇਗਾ, ਜਿਸ ਨਾਲ ਪ੍ਰੋਜੈਕਟ ਵਿਕਾਸ ਤੇਜ਼ ਹੋਵੇਗਾ, ਅਮਰੀਕੀ ਮੁਕਾਬਲਾਤਮਕਤਾ ਮਜ਼ਬੂਤ ਹੋਵੇਗੀ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਆਰਥਿਕ ਵਾਧੇ ਨੂੰ ਸਮਰਥਨ ਮਿਲੇਗਾ.
