ఫెడరల్ అనుమతుల ప్రక్రియను వేగవంతం చేయడానికి Pacific Northwest National Laboratory మరియు OpenAIతో భాగస్వామ్యం ఏర్పరచుకున్నాయి.

కేంద్ర ప్రభుత్వం కీలక మౌలిక సదుపాయాలకు అనుమతులు ఇచ్చే విధానాన్ని ఆధునికీకరించడం, వేగంగా, సురక్షితంగా, మరింత పోటీగల అమెరికా ఆర్థిక వ్యవస్థను నిర్మించడానికి కీలకం. ఎనర్జీ ప్రాజెక్టులు, అధునాతన తయారీ, రవాణా, నీటి వ్యవస్థలు వంటి రంగాల్లో, అనుమతుల ప్రక్రియ వలన ఆశాజనకమైన ఆలోచనలు ఎంత త్వరగా వాస్తవ పెట్టుబడులుగా మారతాయో నిర్ణయించబడుతుంది. కానీ ప్రస్తుతం, పర్యావరణ మరియు సాంకేతిక సమీక్షలు తరచుగా ఎన్నో సంవత్సరాలు పడుతున్నాయి; దీని వలన ఆవిష్కరణ మందగిస్తుంది, ఖర్చులు పెరుగుతాయి, అలాగే ఈ ప్రాజెక్టులు సమాజాలకు అందించే ప్రయోజనాలు ఆలస్యమవుతాయి.

అందుకే OpenAI, అమెరికా ఎనర్జీ డిపార్ట్‌మెంట్‌కు చెందిన Pacific Northwest National Laboratory (PNNL) మరియు దాని PermitAI^TM⁠(కొత్త విండోలో తెరుచుకుంటుంది) బృందంతో కలిసి, కోడింగ్ ఏజెంట్‌లు కేంద్ర అనుమతి పనిని బాధ్యతాయుతంగా వేగవంతం చేయడంలో సహాయపడగలవా అనే దానిని అంచనా వేయడానికి భాగస్వామ్యం చేసింది. ఎనర్జీ డిపార్ట్‌మెంట్‌ Office of Policy నిధులతో నడుస్తున్న PermitAI కార్యక్రమం మరియు OpenAI, National Environmental Policy Act (NEPA) సమీక్షా ప్రక్రియలో నిపుణులైన 19 మంది సబ్జెక్ట్ మ్యాటర్ ఎక్స్‌పర్ట్‌లతో కలిసి, DraftNEPABench అనే బెంచ్‌మార్క్‌ను రూపొందించాయి. ఇది పర్యావరణ ప్రభావ నివేదికల డ్రాఫ్టింగ్ వంటి NEPA వర్క్‌ఫ్లోలకు సంబంధించిన పనుల్లో AI మోడల్‌లు ఎంత బాగా పనిచేస్తాయో అంచనా వేయడానికి రూపొందించబడింది.

18 ఫెడరల్ ఏజెన్సీల నుండి వచ్చిన NEPA పత్రాల విభాగాలను కవర్ చేసే ప్రతినిధి డ్రాఫ్టింగ్ పనుల సమూహం అంతటా, 19 మంది నిపుణులు సాధారణీకరించిన కోడింగ్ ఏజెంట్‌లు NEPA పత్రాల డ్రాఫ్టింగ్ పనిని ప్రతి ఉపవిభాగానికి సుమారు 1 నుండి 5 గంటల వరకు వేగవంతం చేసే సామర్థ్యం ఉందని గుర్తించారు—అంటే డ్రాఫ్టింగ్ సమయాన్ని సుమారు 15% వరకు తగ్గించే అవకాశం ఉంది. ఇది AI సంక్లిష్ట ప్రభుత్వ పని ప్రక్రియలను ఎలా మద్దతు ఇవ్వగలదో చూపించే ఒక అర్థవంతమైన ముందడుగు.

ఫెడరల్ అనుమతుల ప్రక్రియ ప్రభుత్వం లోపల చాలా క్లిష్టమైనది, అలాగే పత్రాలపై అధికంగా ఆధారపడుతుంది. సమీక్షలు తరచుగా వందల పేజీల సాంకేతిక నివేదికలను చదవడం, అనేక మూలాల మధ్య సమాచారాన్ని క్రాస్‌చెక్ చేయడం, అలాగే నియంత్రణ అవసరాలను తీర్చే విధంగా వివరమైన విశ్లేషణలను తయారు చేయడం అవసరం.

ఈ భాగస్వామ్యం ద్వారా, OpenAI మరియు PNNL⁠(కొత్త విండోలో తెరుచుకుంటుంది), సాధారణీకరించిన కోడింగ్ ఏజెంట్‌ల (ఈ సందర్భంలో Codex CLI) సామర్థ్యాన్ని పరిశీలించాయి. ఇవి GPT‑5 వంటి రిజనింగ్ మోడల్‌ల నుండి, ఫైల్ సిస్టమ్‌ను కలిగి ఉన్న పరిశోధన, సాంకేతిక విశ్లేషణ, నివేదిక రచన వంటి పనుల కోసం పనితీరును సమర్థవంతంగా వెలికితీయడానికి ఉపయోగపడతాయి. మోడల్‌లకు సాధారణంగా కోడింగ్ పనుల కోసం ఉపయోగించే కమాండ్-లైన్ ఇంటర్‌ఫేస్‌కి యాక్సెస్ ఇవ్వడం ద్వారా, చేతితో రూపొందించిన హ్యూరిస్టిక్‌ల కంటే, పనిని పరిష్కరించడానికి మరింత సాధారణ వ్యూహాలను అవి ఉపయోగించగలవు. ఈ ఏజెంట్‌లు చేయాల్సినవి:

• వందల పేజీల సాంకేతిక మరియు నియంత్రణ కంటెంట్‌ను చదివి, దానిని ఖచ్చితంగా సమగ్రపరచడం
• అనేక పర్యావరణ, ఇంజనీరింగ్, నియంత్రణ మూలాల మధ్య వాస్తవాలను ధృవీకరించడం
• కఠినమైన చట్టపరమైన మరియు సాంకేతిక ప్రమాణాలను తీర్చే విధంగా నిర్మిత నివేదికలను తయారు చేయడం

అమెరికా ఈ Intelligence Age⁠(కొత్త విండోలో తెరుచుకుంటుంది)లో తన ఆర్థిక వ్యవస్థను కొనసాగిస్తూ అభివృద్ధి చేసుకోవాలంటే, సురక్షితంగా, బాధ్యతాయుతంగా, అలాగే వేగంగా నిర్మించగలగాలి. AI వ్యవస్థలు భౌతిక ప్రపంచంపై మరింత ప్రభావం చూపుతున్న కొద్దీ, సివిల్ ఇంజనీరింగ్, పర్యావరణ, నియంత్రణ విశ్లేషణ వంటి రంగాల్లో వాటి సామర్థ్యాలను మనం అర్థం చేసుకోవాలి. కాలక్రమేణా, అధునాతన మోడల్‌లు కొత్త, మరింత సురక్షితమైన సాంకేతికతలను ఆవిష్కరించడంలో, సహజ వనరులను రక్షించడంలో, మానవ అవసరాలను తీర్చడంలో సహాయపడేటప్పుడు, చట్టాలు మరియు నియమాలను ఖచ్చితంగా అర్థం చేసుకోవాల్సి ఉంటుంది.

50 సంవత్సరాలకు పైగా, ఈ ప్రక్రియలో ఫెడరల్ ఏజెన్సీలు వంతెనలు, విద్యుత్ కేంద్రాలు, ట్రాన్స్‌మిషన్ లైన్లు, తయారీ సౌకర్యాలు వంటి ప్రాజెక్టుల పర్యావరణ ప్రభావాలను సమీక్షించి, పత్రబద్ధం చేయడం అవసరం అయ్యింది. ఈ బెంచ్‌మార్క్, నేటి AI మోడల్‌లు ఈ వర్క్‌ఫ్లోలను వేగవంతం చేయడంలో, బాధ్యతాయుతంగా మనుషులకు ఎక్కడ సహాయపడగలవో గుర్తించడంలో సహాయపడుతుంది.

స్వయంచాలక వ్యవస్థల ప్రమాదాలను తగ్గించడమే కాకుండా, ఈ పని నిపుణులు మరియు AI కోసం మెరుగైన ఇంటర్‌ఫేస్‌ల రూపకల్పనను కూడా ముందుకు తీసుకెళ్తుంది. స్థిరమైన PDFలకంటే ముందుకు వెళ్లి, కోడింగ్ ఏజెంట్‌లు తమ పనిలోనుంచి వెబ్-ఆధారిత నివేదికలు, ఇంటరాక్టివ్ విజువలైజేషన్‌లను డైనమిక్‌గా రూపొందించగలవు; ఇవి మానవ సమీక్షకులు ధృవీకరించడానికి మరింత సులభంగా ఉంటాయి.

AI సహాయంతో, ఏజెన్సీలు ప్రతిపాదనలను మరింత సమర్థవంతంగా సమీక్షించగలవు, మెరుగుపరచగలవు, ఆమోదించగలవు; అలాగే ప్రభుత్వ ఉద్యోగులు తమ పనిలో ఎక్కువ సమయం పట్టే భాగాలను నిర్వహించే AI ఏజెంట్‌ల బృందాల ద్వారా మరింత సహకారం పొందుతారు, తద్వారా వారు తీర్పు, పర్యవేక్షణ, క్లిష్టమైన నిర్ణయాలపై దృష్టి పెట్టగలరు. ఈ పని, ప్రజా సేవ పట్ల OpenAI యొక్క విస్తృత నిబద్ధతకు, అలాగే ప్రభుత్వ ఉద్యోగులు మరింత సమర్థవంతంగా, మద్దతుతో పనిచేయడానికి సాధనాలను అందించాలనే OpenAI for Government లక్ష్యానికి అనుగుణంగా ఉంటుంది.

ఈ బెంచ్‌మార్క్, సంబంధిత సందర్భం అందుబాటులో ఉన్న, స్పష్టంగా నిర్వచించిన డ్రాఫ్టింగ్ పనులపై మోడల్ సామర్థ్యాన్ని అంచనా వేస్తుంది; వాస్తవ ప్రపంచ అనుమతి నిర్ణయాల్లో ఉండే పూర్తి అస్పష్టతను, స్వేచ్ఛను కాదు. ఇది మోడల్‌లు మానవ సమీక్షకులకు ఎక్కడ సహాయపడగలవో స్పష్టంగా చూపడానికి ఖచ్చితత్వం, సరైన రిఫరెన్స్ వినియోగంపై దృష్టి పెడుతుంది. వైఫల్య కేసులను సమీక్షించినప్పుడు, కొన్ని “తప్పులు” నిజానికి పాత రిఫరెన్స్‌లు, బలహీనమైన మూల్యాంకన ప్రమాణాల వలన వచ్చాయని గుర్తించాం; అందువల్ల మేము రూబ్రిక్‌లను తగిన విధంగా నవీకరించాల్సి వచ్చింది. సాధారణంగా, మూల పత్రాలు అసంపూర్ణంగా, అసంగతంగా, లేదా పాతదిగా ఉంటే, స్పష్టమైన సూచనలు లేకుండా మోడల్‌లు ఈ వ్యత్యాసాలను గుర్తించకపోవచ్చు. వాస్తవ ప్రపంచ అమలు ఎక్కువగా నిపుణుల అభిప్రాయం, పునరావృతంపై ఆధారపడే అవకాశం ఉంది; దీని వలన, ఈ స్వతంత్ర బెంచ్‌మార్క్ పనుల్లో నివేదించిన పనితీరును మించి ఫలితాలు మెరుగుపడతాయని భావిస్తున్నారు.

ఫెడరల్ ఏజెన్సీలు అనుమతి ప్రక్రియలను సులభతరం చేసుకోవడానికి రూపొందించిన PermitAI⁠(కొత్త విండోలో తెరుచుకుంటుంది) అప్లికేషన్‌ల కోసం పరిష్కారాలను మరింత అభివృద్ధి చేసి, మెరుగుపరచడంలో OpenAI, PNNL‌కు మద్దతు ఇస్తోంది. కాలక్రమేణా, ఫెడరల్ సమీక్షకు వచ్చే మౌలిక సదుపాయాల ప్రాజెక్టుల ఆమోదానికి పట్టే సగటు సమయం నెలల నుండి వారాల వరకు తగ్గుతుందని, దీని వలన ప్రాజెక్ట్ అభివృద్ధి వేగవంతమవుతుందని, అమెరికా పోటీ సామర్థ్యం బలపడుతుందని, దీర్ఘకాలిక ఆర్థిక వృద్ధికి మద్దతు లభిస్తుందని మేము ఆశిస్తున్నాము.