Pacific Northwest National Laboratory in OpenAI združujeta moči za pospešitev izdajanja dovoljenj na zvezni ravni

Modernizacija načina, na katerega zvezna vlada izdaja dovoljenja za kritično infrastrukturo, je ključna za izgradnjo hitrejšega, varnejšega in konkurenčnejšega gospodarstva ZDA. Od izdajanja dovoljenj na različnih področjih, od energetskih projektov in napredne proizvodnje do prometa in vodnih sistemov, je odvisno, kako hitro obetavne zamisli postanejo naložbe v resničnem svetu. Kljub temu danes okoljski in tehnični pregledi pogosto trajajo leta, kar upočasni inovacije, poveča stroške in zakasni koristi, ki jih ti projekti prinašajo skupnostim.

Iz tega razloga je družba OpenAI sklenila partnerstvo z uradom Pacific Northwest National Laboratory (PNNL), ki deluje v sklopu ameriškega Ministrstva za energetiko, in njegovo ekipo PermitAI^TM⁠(odpre se v novem oknu), da bi ocenili, ali lahko agenti za programiranje odgovorno pomagajo pospešiti delo na področju izdajanja dovoljenj na zvezni ravni. Pobuda PermitAI, ki jo financira Urad za politiko pri Ministrstvu za energetiko, in družba OpenAI sta skupaj z 19 strokovnjaki za področje postopka pregledovanja v okviru zakona National Environmental Policy Act zasnovala primerjalni zmogljivostni test (imenovan DraftNEPABench) za ocenjevanje, kako dobro modeli UI delujejo pri nalogah, povezanih z delovnimi tokovi po okoljski zakonodaji NEPA, kot je priprava osnutkov poročil o vplivih na okolje. 

V reprezentativnem naboru nalog priprave osnutkov, ki zajema poglavja dokumentov po okoljskem zakonu NEPA iz 18 zveznih agencij, je 19 strokovnjakov ugotovilo, da imajo posplošeni agenti za programiranje potencial, da pospešijo pripravo osnutkov dokumentov NEPA za 1 do 5 ur na podpoglavje, kar predstavlja do približno 15-% skrajšanje časa priprave osnutkov in nakazuje pomemben korak naprej pri tem, kako lahko UI podpira zapletene vladne delovne tokove.

Zvezni postopek izdajanja dovoljenj je zapleten in dokumentacijsko obsežen proces v državni upravi. Pregledi pogosto zahtevajo branje več sto strani tehničnih poročil, navzkrižno preverjanje informacij v več virih in pripravo podrobnih analiz, ki morajo izpolnjevati regulativne zahteve.

S tem sodelovanjem sta OpenAI in urad PNNL raziskala moč⁠(odpre se v novem oknu) posploševanja agentov za programiranje (v tem primeru Codex CLI) kot učinkovitega načina za pridobivanje zmogljivosti iz modelov sklepanja, kot je GPT‑5, za raziskave, tehnično analizo in naloge pisanja poročil, ki vključujejo datotečni sistem. Če modelom omogočimo dostop do vmesnika z ukazno vrstico (ki se običajno uporablja za naloge programiranja), lahko za reševanje naloge uporabijo bolj splošne strategije kot ročno oblikovane hevristične metode. Ti agenti morajo:

• prebrati in natančno sintetizirati dokumente, ki obsegajo več sto strani tehničnih in regulativnih vsebin;
• preveriti dejstva v več okoljskih, inženirskih in regulativnih virih;
• pripraviti osnutke strukturiranih poročil, ki izpolnjujejo zelo natančno določena pravna in tehnična merila.

Da bi Združene države lahko še naprej razvijale svoje gospodarstvo v tej dobi inteligence⁠(odpre se v novem oknu), morajo biti sposobne varne, odgovorne in hitre gradnje. Ker sistemi umetne inteligence vse bolj vplivajo na fizični svet, moramo razumeti njihove zmogljivosti na področjih, kot so gradbeništvo, okoljska in regulativna analiza. Sčasoma bodo morali napredni modeli natančno razumeti zakone in predpise, saj bodo pomagali izumljati nove in varnejše tehnologije, varovati naravne vire ter izpolnjevati človeške potrebe.

Že več kot 50 let postopek od zveznih agencij zahteva, da pregledajo in dokumentirajo okoljske vplive projektov, kot so mostovi, elektrarne, prenosni daljnovodi in proizvodni obrati. Ta primerjalni zmogljivostni test pomaga prepoznati, kje lahko današnji modeli umetne inteligence odgovorno pomagajo ljudem pri pospeševanju teh delovnih tokov. 

Poleg odpravljanja tveganj, povezanih z avtonomnostjo, lahko to delo pospeši zasnovo boljših vmesnikov za strokovnjake in umetno inteligenco. Če pogledamo onkraj statičnih PDF-jev, lahko kodirni agenti dinamično ustvarjajo spletna poročila in interaktivne vizualizacije iz svojega dela, kar človeškim pregledovalcem olajša preverjanje. 

Z umetno inteligenco bodo agencije lahko učinkoviteje pregledovale, izpopolnjevale in odobravale predloge, državni uslužbenci pa bodo pridobili vzvod s pomočjo ekip agentov umetne inteligence, ki bodo prevzeli časovno potratne dele njihovega dela, da se bodo lahko osredotočili na presojo, nadzor in kompleksno odločanje. To delo je usklajeno s širšo zavezanostjo družbe OpenAI javni službi in ciljem pobude OpenAI for Government, da javne uslužbence opremi z orodji, ki jim omogočajo večjo učinkovitost in boljšo podporo.

Ta primerjalni zmogljivostni test ocenjuje zmožnost modela pri dobro opredeljenih nalogah priprave osnutkov, kjer je na voljo ustrezen kontekst, ne pa tudi celotna dvoumnost in možnost lastne presoje pri odločitvah o izdaji dovoljenj v resničnem svetu. Poudarja natančnost in pravilno uporabo referenc, da pojasni, kje bi modeli lahko pomagali človeškim pregledovalcem. Pri pregledu neuspešnih primerov smo ugotovili, da so nekatere »napake« dejansko izhajale iz zastarelih referenc in šibkih evalvacijskih meril, zato smo morali rubrike ustrezno posodobiti. Bolj splošno rečeno: če so izvorna gradiva nepopolna, nedosledna ali zastarela, modeli morda ne bodo opozorili na ta neskladja brez izrecnih navodil. Uvedbe v resničnem svetu bodo verjetneje vključevale povratne informacije strokovnjakov in ponovitve, kar naj bi izboljšalo učinkovitost na raven nad tisto, ki je navedena v teh samostojnih primerjalnih nalogah. 

OpenAI podpira urad PNNL pri nadaljnjem razvoju in izpopolnjevanju rešitev za aplikacije v sklopu pobude PermitAI⁠(odpre se v novem oknu), zasnovane za pomoč zveznim agencijam pri poenostavitvi postopkov izdajanja dovoljenj. Sčasoma pričakujemo, da se bo povprečni čas do odobritve za zvezno pregledane infrastrukturne projekte skrajšal z več mesecev na nekaj tednov, kar bo pospešilo razvoj projektov, okrepilo konkurenčnost ZDA in podprlo dolgoročno gospodarsko rast.