Κέρδη:
- Ικανότητα αναγνώρισης της ιεραρχίας της περιβαλλοντικής νομοθεσίας (νόμος, κανονισμός, ανακοινωθέν) και των οριακών πηγών αξίας
- Δυνατότητα χρήσης τεχνητής νοημοσύνης για τη σάρωση της νομοθεσίας και τη δημιουργία ερωτήσεων και την κατεύθυνση σε επίσημο κείμενο
- Δυνατότητα επαλήθευσης του αριθμού ουσίας και των ορίων που δίνονται από AI από την Επίσημη Εφημερίδα/επίσημη πηγή
Σε μια περιβαλλοντική εταιρεία συμβούλων, ετοιμάζετε την άδεια απόρριψης λυμάτων για μια νέα εγκατάσταση βαφείου. Ο πελάτης ρωτά "ποιες είναι οι οριακές τιμές για το χρώμα και το COD, σε ποια ουσία βασίζεται;" ρωτάει και ο χρόνος είναι περιορισμένος. Η πρώτη σας ώθηση είναι να ρωτήσετε ένα γλωσσικό μοντέλο: "Ποια είναι τα όρια απόρριψης της κλωστοϋφαντουργίας σύμφωνα με τους κανονισμούς ελέγχου της ρύπανσης των υδάτων;" Το LLM παρέχει όρια σε πίνακα, αριθμούς στοιχείων και ημερομηνίες σε δευτερόλεπτα. Όλα φαίνονται πολύ επίσημα και πειστικά. Αλλά εδώ είναι η παγίδα: Το γλωσσικό μοντέλο παράγει το κείμενο στατιστικά. Μπορεί να φτιάξει έναν ανύπαρκτο αριθμό άρθρου, έναν καταργημένο κανονισμό ή μια λανθασμένη οριακή τιμή με απόλυτη σοβαρότητα. Σε αυτήν την ενότητα, καλύπτουμε τη γνώση της νομοθεσίας στα σωστά επίπεδα, τη χρήση της τεχνητής νοημοσύνης με ασφάλεια στην έρευνα νομοθεσίας και την πειθαρχία της επιβεβαίωσης κάθε θέματος από την Επίσημη Εφημερίδα.
Νομοθετική ιεραρχία
Το περιβαλλοντικό δίκαιο λειτουργεί σε μια ιεραρχία. Το κάτω σκαλοπάτι δεν μπορεί να έρχεται σε αντίθεση με το ανώτερο σκαλοπάτι. Γνωρίζοντας από πού προέρχεται μια οριακή τιμή, μπορείτε να την αναζητήσετε στη σωστή πηγή.
βήμα
Ποιος το βγάζει;
δεσμευτικό
περιβαλλοντικό παράδειγμα
νόμος
Νομοθετική (Βουλή)
κορυφή, πλαίσιο
Περιβαλλοντικό Δίκαιο
κανονισμός
Υπουργείο/Υπουργικό Συμβούλιο
Εφαρμόζει και διευκρινίζει το νόμο
Κανονισμός Ελέγχου Ρύπανσης Νερών
κοινοποίηση
υπουργείου
Τεχνικές λεπτομέρειες, πίνακες μετρήσεων/ορίων
Ανακοινώσεις μέτρησης και ανάλυσης
Εγκύκλιος/Οδηγία
διοίκηση
Εσωτερική ανακατεύθυνση εφαρμογής
Εγκύκλιοι αιτήσεων
Οι οριακές τιμές (όρια εκκένωσης, όρια εκπομπών) βρίσκονται συχνά σε παραρτήματα κανονισμών (πίνακες) ή ανακοινώσεις. Λοιπόν "ποιο έγγραφο να κοιτάξω;" Το ερώτημα είναι "ποιος είναι ο αριθμός;" έρχεται πριν από την ερώτηση.
Κίνδυνος κατάργησης και επιβολής
Η νομοθεσία είναι ζωντανή: οι κανονισμοί αλλάζουν, τα άρθρα καταργούνται (καταργούνται), νέα χρονολογημένα κείμενα καταργούν τα παλιά.
Ιστορικές καταστάσεις προς έλεγχο: - Ημερομηνία έναρξης ισχύος: Πότε τέθηκε σε ισχύ το κείμενο; - Αλλαγή ημερομηνίας: Έχει αλλάξει το σχετικό άρθρο στη συνέχεια; - Κατάσταση κατάργησης: Έχει καταργηθεί το άρθρο/κανονισμός; - Μεταβατικές διατάξεις: Υπάρχουν εξαιρέσεις/αναβολές για υφιστάμενες εγκαταστάσεις;
Προσοχή: Τα δεδομένα εκπαίδευσης του LLM είναι μέχρι μια συγκεκριμένη ημερομηνία και δεν γνωρίζουν τη νομοθεσία που έχει αλλάξει μετά από αυτήν την ημερομηνία. Επιπλέον, τα δεδομένα εκπαίδευσης ενδέχεται να περιέχουν έναν παλιό κανονισμό που έχει καταστεί απαρχαιωμένος. το μοντέλο μπορεί να το παρουσιάσει σαν να ήταν ενημερωμένο. Πριν χρησιμοποιήσετε μια οριακή τιμή, πρέπει να επιβεβαιώσετε από την Επίσημη Εφημερίδα / πύλη επίσημης νομοθεσίας ότι το κείμενο στο οποίο βασίζεται ισχύει σήμερα.
Κίνδυνος τεχνητής νοημοσύνης να δημιουργεί ψεύτικους αριθμούς αντικειμένων
Η πιο επικίνδυνη συμπεριφορά του γλωσσικού μοντέλου είναι ότι παράγει αναφορές που είναι τυπικά σωστές αλλά δεν υπάρχουν στο περιεχόμενο. Φράσεις όπως "σύμφωνα με το άρθρο 26" ή "στο παράρτημα Πίνακας 19" μπορεί να είναι καθαρά παραισθησιογόνες.
ΑΔΥΝΑΤΗ ΠΡΟΤΑΣΗ: "Δώστε όρια απόρριψης λυμάτων υφασμάτων με αριθμούς ειδών."-> Το μοντέλο παράγει αριθμούς ειδών και αριθμούς που φαίνονται ακριβείς αλλά δεν έχουν επαληθευτεί. ΙΣΧΥΡΗ ΠΡΟΤΑΣΗ: "Εξηγήστε ποια νομοθεσία και ποιος τύπος παραρτήματος/πίνακα πρέπει να εξετάσω για την άδεια απόρριψης λυμάτων μιας εγκατάστασης κλωστοϋφαντουργίας/βαφείου. Η εργασία σας:1) Προσδιορίστε τους ΠΙΘΑΝΟΥΣ ΤΥΠΟΥΣ κανονισμών και ανακοινώσεων σχετικά με το θέμα και σε ποια ενότητα (παράρτημα/πίνακας μπορούν να βρεθούν τα όρια αυτού του τομέα). 2) ΜΗΝ δημιουργείτε συγκεκριμένο αριθμό αντικειμένου ή αριθμητικό όριο. Τοποθετήστε ένα σύμβολο κράτησης θέσης "Για να επαληθευτεί στην Επίσημη Εφημερίδα". 3) Καταγράψτε ποιους βασικούς όρους (όνομα τομέα, παράμετρος) πρέπει να χρησιμοποιήσω κατά την αναζήτηση στο επίσημο κείμενο. 4) Θυμίστε μου ιστορικούς κινδύνους (κατάργηση, τροποποίηση, μεταβατική διάταξη) που πρέπει να ελέγξω."
Το ισχυρό μοντέλο προτροπής το χρησιμοποιεί ως εργαλείο αναζήτησης και πλοήγησης — "ποιο έγγραφο πρέπει να κοιτάξω, με ποιον όρο;" — όχι ως πηγή του αριθμού.
Συμβουλή: Ο ασφαλέστερος τρόπος για να χρησιμοποιήσετε το LLM στη ρυθμιστική έρευνα είναι να το τοποθετήσετε ως «πυξίδα έρευνας» και όχι ως «απαντητή». Ζητήστε από το μοντέλο να δημιουργήσει ερωτήσεις: "Ποιες άδειες, ποιες παράμετροι, ποιοι πιθανοί κανονισμοί ισχύουν για αυτήν την εγκατάσταση;" Στη συνέχεια, βρείτε τις απαντήσεις σε αυτές τις ερωτήσεις από το επίσημο κείμενο. Το μοντέλο κατευθύνει? Αποφασίζει το ΦΕΚ.
Ροή εργασιών επαλήθευσης: Επιβεβαίωση από την Επίσημη Εφημερίδα
Η αλυσίδα που πρέπει να ακολουθήσετε για κάθε τεύχος και αριθμό αντικειμένου:
1) Λάβετε θέμα/τύπο εγγράφου/κλειδί όρο από το LLM (μην βασίζεστε στον αριθμό του άρθρου).2) Ανοίξτε το ΤΡΕΧΟΝ κείμενο του κανονισμού στην επίσημη πύλη νομοθεσίας.3) Βεβαιωθείτε ότι το κείμενο δεν έχει καταργηθεί και ημερομηνία έναρξης ισχύος του.4) ΑΝΑΖΗΤΗΣΗ στο κείμενο για το σχετικό άρθρο/προσθήκη. Δείτε τον αριθμό του άρθρου και περιορίστε με τα μάτια σας. 5) Ελέγξτε τις μεταβατικές διατάξεις και τις τελευταίες τροποποιήσεις. 6) Γράψτε την πηγή στην έκθεση με πλήρη παραπομπή: [Όνομα κανονισμού], [Αριθμός άρθρου/Παραρτήματος], [Ημερομηνία και αριθμός ΦΕΚ].
Παράδειγμα: Δοκιμή εξόδου LLM
# Μετάφραση των παραπομπών του LLM σε "προς επαλήθευση" checklistllm_iddialari = [ {"πηγή": "SKKY", "item": "Πίνακας παραρτήματος 10.7", "παράμετρος": "COD", "limit_mgL": 300, "status": "NOT VERIFIED", "SKK": 26", "parameter": "pH", "limit": "6-9", "status": "NOT VERIFIED"},]for k σε llm_claims: # Κανένας δεν μπορεί να εισαγάγει την αναφορά χωρίς "VERIFIED" από την Επίσημη Εφημερίδα assert k["status"] == "NOT VERIFIED" RERIFIATION RE(f}" {k['article']} / {k['parameter']}")# Κάθε γραμμή πρέπει να βρίσκεται με μη αυτόματο τρόπο στο κείμενο της Επίσημης Εφημερίδας και η κατάσταση πρέπει να ενημερωθεί.
Αυτή η προσέγγιση αντιμετωπίζει το αποτέλεσμα του μοντέλου ως μια λίστα ισχυρισμών που πρέπει να επιβεβαιωθούν, παρά ως μια «αλήθεια» που πρέπει να γίνει άμεσα αποδεκτή.
μίνι θήκη
Ένας υπεύθυνος περιβάλλοντος έγραψε την οριακή τιμή καυσαερίων στην έκθεση εκπομπών αέρα με αναφορά στον "σχετικό κανονισμό Άρθρο 18", τον οποίο έλαβε από το LLM. Όταν η έκθεση παρουσιάστηκε στη διοίκηση, ο ελεγκτής άνοιξε το άρθρο. Το άρθρο 18 αντιμετώπιζε ένα εντελώς διαφορετικό ζήτημα (την υποχρέωση παρακολούθησης) και το αριθμητικό όριο που έδινε το μοντέλο δεν υπήρχε καθόλου στο τρέχον κείμενο — η τιμή ανήκε σε μια κοινοποίηση που είχε καταργηθεί πριν από δύο χρόνια. Η αναφορά επιστράφηκε, η διαδικασία καθυστέρησε για εβδομάδες και η εταιρεία έχασε την εμπιστοσύνη της. Μετά από περαιτέρω έρευνα, το όριο βρέθηκε με διαφορετικό αριθμό στο παράρτημα της τρέχουσας εγκυκλίου. Ένας μόνο έλεγχος της Εφημερίδας της Κυβερνήσεως θα μπορούσε να είχε αποτρέψει όλη αυτή την απώλεια. Μάθημα: Το μοντέλο μπορεί να «φτιάξει» αναφορά, και όταν το κάνει, είναι εξαιρετικά πειστικό.
Συνήθη λάθη
- Χρησιμοποιώντας τον αριθμό ουσίας και την οριακή τιμή που δίνεται από το LLM χωρίς να το επιβεβαιώνει στην Επίσημη Εφημερίδα.
- Λάθος μια καταργηθείσα ρύθμιση ως τρέχουσα.
- Αγνοώντας ότι το μοντέλο δεν γνωρίζει τη νομοθεσία που έχει αλλάξει μετά την ημερομηνία εκπαίδευσης.
- Αναζήτηση για την οριακή τιμή σε λάθος επίπεδο (νόμος). ενώ η τιμή βρίσκεται στο παράρτημα/κοινοποίηση του κανονισμού.
- Παράκαμψη μεταβατικών διατάξεων και υφιστάμενων εξαιρέσεων διευκολύνσεων.
- Δεν τεκμηριώνεται η πηγή με πλήρη παραπομπή (όνομα κανονισμού, άρθρο/παράρτημα, ημερομηνία και αριθμός RG).
- Μην χρησιμοποιείτε το μοντέλο ως «αποστολέα» και χρησιμοποιήστε το ως ερευνητική πυξίδα.
Συνοπτικά
- Η περιβαλλοντική νομοθεσία λειτουργεί στην ιεραρχία νόμου-ρύθμισης-ειδοποίησης-κυκλικής. Οι οριακές τιμές είναι γενικά στο παράρτημα του κανονισμού ή στην κοινοποίηση.
- Η νομοθεσία είναι ζωντανή. Η κατάργηση, η τροποποίηση και η ημερομηνία έναρξης ισχύος επηρεάζουν την εγκυρότητα κάθε έκδοσης.
- Το LLM μπορεί να παράγει πιστευτούς αλλά ανύπαρκτους αριθμούς στοιχείων, καταργημένο κείμενο και ψευδή όρια (ψευδαισθήσεις).
- Ο ασφαλής τρόπος χρήσης του μοντέλου είναι να το χρησιμοποιήσετε όχι ως πηγή απαντήσεων αλλά ως "ποιο έγγραφο πρέπει να κοιτάξω, με ποιους όρους;" είναι να φτιάξεις μια πυξίδα.
- Κάθε άρθρο και τεύχος πρέπει να επιβεβαιώνεται οπτικά από το κείμενο της πύλης της ισχύουσας Εφημερίδας της Κυβερνήσεως/νομοθεσίας και η πηγή του πρέπει να γράφεται με την πλήρη αποτύπωση.
- Το αποτέλεσμα AI είναι ένα προκαταρκτικό σχέδιο έρευνας. Καμία νομοθετική αναφορά δεν μπορεί να χρησιμοποιηθεί ως βάση για έκθεση ή απόφαση χωρίς επαλήθευση από το επίσημο κείμενο.
Εργασία εφαρμογής
Επιλέξτε ένα συγκεκριμένο σενάριο (π.χ. μελέτη οριακής τιμής για την απόρριψη λυμάτων ή τις εκπομπές καυσαερίων μιας εγκατάστασης). Πρώτα, γράψτε μια ισχυρή προτροπή και χρησιμοποιήστε το LLM μόνο για καθοδήγηση: παράγετε ποιον τύπο κανονισμού/ειδοποίησης, ποιο παράρτημα/πίνακα και με ποιους βασικούς όρους πρέπει να αναζητήσετε. Σημειώστε όλους τους αριθμούς ειδών και τους αριθμούς που δίνονται από το μοντέλο σε μια λίστα αξιώσεων με την ένδειξη "NOT VERIFIED". Στη συνέχεια βρείτε το σχετικό τρέχον κείμενο από την πραγματική επίσημη πηγή (Επίσημη Εφημερίδα / πύλη επίσημης νομοθεσίας). επαληθεύει ότι είναι σε ισχύ και δεν έχει καταργηθεί· Επιβεβαιώστε οπτικά τη σχετική ουσία/συμπλήρωμα και την οριακή τιμή. Γράψτε την πλήρη αναφορά (όνομα κανονισμού, αριθμός άρθρου/παραρτήματος, ημερομηνία και αριθμός OG) για κάθε επαληθευμένο στοιχείο. Τέλος, "Ποια αναφορά που δόθηκε από το LLM αποδείχθηκε λανθασμένη/ημιτελής/κατασκευασμένη;" Αξιολογήστε την ερώτηση με μια παράγραφο.