המעבדה הלאומית פסיפיק נורת'ווסט ו-OpenAI משתפות פעולה להאצת תהליכי רישוי פדרליים
מבחן השוואה חדש מצביע על פוטנציאל לקיצור זמני הרישוי של מיזמי תשתית
עדכון וייעול האופן שבו הממשל הפדרלי מעניק היתרים לתשתיות קריטיות חיוניים לבניית כלכלה אמריקאית זריזה, בטוחה ותחרותית יותר. ממיזמי אנרגיה וייצור מתקדם ועד למערכות תחבורה ומים, תהליכי הרישוי קובעים באיזו מהירות רעיונות מבטיחים הופכים להשקעות בשטח. אלא שכיום, בדיקות סביבתיות וטכניות נמשכות לעיתים קרובות שנים, מעכבות חדשנות, מגדילות עלויות ודוחות את התועלת שהמיזמים האלה מביאים לקהילות.
לכן OpenAI יצרה שותפות עם המעבדה הלאומית פסיפיק נורת'ווסט (PNNL) של משרד האנרגיה של ארצות הברית ועם צוות PermitAI™(נפתח בחלון חדש) שלה, כדי לבחון אם סוכני תכנות יכולים לסייע ביעילות בהאצת עבודת הרישוי הפדרלית. PermitAI, יוזמה במימון לשכת המדיניות של משרד האנרגיה, ו-OpenAI עבדו יחד עם 19 מומחים לתהליך הבדיקה לפי החוק הלאומי למדיניות סביבתית (NEPA). יחד הם גיבשו מבחן השוואה בשם DraftNEPABench, שנועד להעריך את ביצועיהם של מודלי בינה מלאכותית במשימות הקשורות לתהליכי העבודה לפי NEPA, כגון ניסוח תסקירי השפעה על הסביבה.
במערך מייצג של משימות ניסוח, שכלל סעיפים ממסמכי NEPA של 18 סוכנויות פדרליות, מצאו 19 מומחים כי לסוכני תכנות בעלי יכולת הכללה יש פוטנציאל לחסוך בין שעה לחמש שעות של עבודת ניסוח לכל תת-סעיף — קיצור של עד כ-15% בזמן הניסוח. הממצא מצביע על התקדמות משמעותית ביכולתה של בינה מלאכותית לתמוך בתהליכי עבודה ממשלתיים מורכבים.
רישוי פדרלי הוא תהליך ממשלתי מורכב ועתיר מסמכים. הבדיקות מחייבות לעיתים קרובות קריאה של מאות עמודי דוחות טכניים, הצלבת מידע ממקורות רבים וכתיבת ניתוחים מפורטים שצריכים לעמוד בדרישות רגולטוריות.
במסגרת שיתוף הפעולה, OpenAI ו-PNNL בחנו את הפוטנציאל(נפתח בחלון חדש) של הרחבת השימוש בסוכני תכנות (במקרה זה, Codex CLI) כדרך יעילה למצות את היכולות של מודלי reasoning כגון GPT‑5 במשימות מחקר, ניתוח טכני וכתיבת דוחות המצריכות עבודה עם מערכת קבצים. מתן גישה לממשק שורת פקודה, המשמש בדרך כלל למשימות תכנות, מאפשר למודלים להשתמש באסטרטגיות כלליות יותר לפתרון משימות, במקום בכללי אצבע שנבנו ידנית. הסוכנים האלה נדרשים:
לקרוא מסמכים הכוללים מאות עמודים של תוכן טכני ורגולטורי ולשלב את המידע מהם באופן מדויק
לאמת עובדות באמצעות הצלבה בין מקורות סביבתיים, הנדסיים ורגולטוריים רבים
לנסח דוחות מובנים העומדים בקריטריונים משפטיים וטכניים מוגדרים ומפורטים מאוד
כדי שארצות הברית תמשיך להצמיח את כלכלתה בעידן התבונה(נפתח בחלון חדש), עליה להיות מסוגלת לבנות בבטחה, באחריות ובמהירות. ככל שמערכות בינה מלאכותית משפיעות יותר על העולם הפיזי, עלינו להבין את יכולותיהן בתחומים כגון הנדסה אזרחית וניתוח סביבתי ורגולטורי. עם הזמן, מודלים מתקדמים יצטרכו להבין חוקים ותקנות במדויק, כדי לסייע בהמצאת טכנולוגיות חדשות ובטוחות יותר, בהגנה על משאבי טבע ובמתן מענה לצרכים אנושיים.
כבר יותר מ-50 שנה, התהליך מחייב סוכנויות פדרליות לבחון ולתעד את ההשפעות הסביבתיות של מיזמים כגון גשרים, תחנות כוח, קווי הולכת חשמל ומתקני ייצור. מבחן ההשוואה הזה עוזר לזהות היכן מודלי הבינה המלאכותית הקיימים כיום יכולים לסייע לאנשים באחריות בהאצת תהליכי העבודה האלה.
ציוני הערכה ממוצעים (בסולם של 1–5) ב-102 משימות, בחלוקה לפי הסוכנות המובילה. הציונים משקללים הערכות של מבנה, בהירות, דיוק והפניות למקורות. ציון 1 מצביע על ליקויים מהותיים, ציון 3 מצביע על טיוטה נכונה חלקית, וציון 5 מצביע על טיוטה נכונה ושלמה לחלוטין.
לצד צמצום הסיכונים הכרוכים בפעולה אוטונומית, עבודה זו יכולה לקדם תכנון של ממשקים טובים יותר לעבודה משותפת של מומחים ובינה מלאכותית. במקום להסתפק בקובצי PDF סטטיים, סוכני תכנות יכולים ליצור באופן דינמי דוחות מבוססי אינטרנט והמחשות אינטראקטיביות של עבודתם, שיקלו על הבודקים האנושיים לאמת את התוצאות.
בעזרת בינה מלאכותית, סוכנויות יוכלו לבחון, לשפר ולאשר הצעות ביעילות רבה יותר. עובדי ממשל יוכלו להיעזר בצוותים של סוכני בינה מלאכותית שיטפלו בחלקים גוזלי הזמן בעבודתם, כדי שיוכלו להתמקד בהפעלת שיקול דעת, בפיקוח ובקבלת החלטות מורכבות. עבודה זו עולה בקנה אחד עם המחויבות הרחבה של OpenAI לשירות הציבורי ועם מטרת OpenAI for Government: להעניק לעובדי הציבור כלים שיאפשרו להם לעבוד ביעילות רבה יותר ולקבל תמיכה טובה יותר בעבודתם.
מבחן ההשוואה הזה מעריך את יכולות המודלים במשימות ניסוח מוגדרות היטב, שבהן ההקשר הרלוונטי זמין. הוא אינו בוחן את מלוא העמימות ושיקול הדעת הכרוכים בהחלטות רישוי בתנאי אמת. הוא שם דגש על דיוק ועל שימוש נכון במקורות, כדי להבהיר היכן מודלים יכולים לסייע לבודקים אנושיים. כשבחנו מקרי כשל, גילינו שחלק מה״שגיאות״ נבעו למעשה ממקורות מיושנים ומקריטריונים לא מספקים להערכה, ונאלצנו לעדכן את מחווני ההערכה בהתאם. באופן כללי יותר, אם חומרי המקור חלקיים, סותרים זה את זה או אינם עדכניים, ייתכן שהמודלים לא יצביעו על הבעיות האלה ללא הנחיות מפורשות. בשימוש בפועל, סביר יותר שהתהליך יכלול משוב ממומחים וסבבי שיפור. אלה צפויים לשפר את הביצועים מעבר לתוצאות המדווחות במשימות העצמאיות של מבחן ההשוואה.
OpenAI תומכת ב-PNNL בהמשך הפיתוח והשיפור של פתרונות ליישומי PermitAI(נפתח בחלון חדש), שנועדו לסייע לסוכנויות פדרליות לייעל תהליכי רישוי. עם הזמן, אנו צופים שהזמן הממוצע לאישור מיזמי תשתית הנבדקים ברמה הפדרלית יתקצר מחודשים לשבועות. קיצור זה יאיץ את פיתוח המיזמים, יחזק את כושר התחרות של ארצות הברית ויתמוך בצמיחה כלכלית ארוכת טווח.
