Zyski:
- Umiejętność rozpoznawania hierarchii legislacji środowiskowej (prawo, rozporządzenie, komunikat) i źródeł wartości granicznych
- Umiejętność wykorzystania sztucznej inteligencji do skanowania legislacji oraz generowania pytań i kierowania do oficjalnych tekstów
- Możliwość weryfikacji numeru substancji i limitów podanych przez AI z Dziennika Urzędowego/oficjalnego źródła
W firmie doradztwa ekologicznego przygotowujesz pozwolenie na odprowadzanie ścieków dla nowej farbiarni. Klient zadaje sobie pytanie „jakie są dopuszczalne wartości koloru i ChZT, na jakiej substancji jest on oparty?” – pyta, a czas jest ograniczony. Twoim pierwszym impulsem jest zapytanie modelu językowego: „Jakie są limity zrzutów dla przemysłu tekstylnego zgodnie z przepisami dotyczącymi kontroli zanieczyszczenia wody?” LLM zapewnia limity tabelaryczne, numery pozycji i daty w sekundach; Całość wygląda bardzo formalnie i przekonująco. Ale tu jest pułapka: model języka tworzy tekst statystycznie; Potrafi z całą powagą wymyślić nieistniejący numer artykułu, uchylony przepis czy nieprawidłową wartość graniczną. W tej jednostce omawiamy znajomość prawodawstwa we właściwych jego warstwach, bezpieczne wykorzystanie sztucznej inteligencji w badaniach legislacyjnych oraz dyscyplinę potwierdzania każdego problemu z Dziennika Urzędowego.
Hierarchia legislacyjna
Prawo ochrony środowiska działa w sposób hierarchiczny; Dolny stopień nie może zaprzeczać wyższemu. Wiedza o tym, skąd pochodzi wartość graniczna, pozwala szukać jej we właściwym źródle.
krok
Kto to zdejmuje?
wiążące
przykład środowiskowy
prawo
Ustawodawcza (parlament)
góra, rama
Prawo ochrony środowiska
Rozporządzenie
Ministerstwo/Rada Ministrów
Stosuje i szczegółowo opisuje prawo
Rozporządzenie w sprawie kontroli zanieczyszczenia wody
powiadomienie
służba
Szczegóły techniczne, tabele pomiarów/limitów
Komunikaty pomiarowe i analityczne
Okólnik/Instrukcja
administracja
Wewnętrzne przekierowanie aplikacji
Okólniki aplikacyjne
Wartości dopuszczalne (limity tłoczenia, limity emisji) często znajdują się w załącznikach do przepisów (tabelach) lub komunikatach. Zatem „na który dokument powinienem zwrócić uwagę?” Pytanie brzmi: „Jaki jest numer?” pojawia się przed pytaniem.
Ryzyko uchylenia i wykonania
Ustawodawstwo żyje: przepisy się zmieniają, artykuły są uchylane (uchylane), nowe datowane teksty uchylają stare.
Sytuacje historyczne do sprawdzenia: - Data wejścia w życie: Kiedy tekst wszedł w życie? - Data zmiany: Czy odpowiedni artykuł został później zmieniony? - Status uchylenia: Czy artykuł/rozporządzenie zostało uchylone? - Przepisy przejściowe: Czy istnieją wyjątki/odroczenia w przypadku istniejących obiektów?
Uwaga: dane szkoleniowe LLM są aktualne do określonej daty i nie znają przepisów, które zmieniły się po tej dacie. Dodatkowo dane szkoleniowe mogą zawierać stary przepis, który stał się nieaktualny; model może to przedstawić tak, jakby było aktualne. Przed użyciem wartości dopuszczalnej należy potwierdzić w Dzienniku Urzędowym / oficjalnym portalu legislacyjnym, że tekst, na którym się ona opiera, obowiązuje obecnie.
Ryzyko, że sztuczna inteligencja będzie tworzyć fałszywe numery przedmiotów
Najbardziej niebezpiecznym zachowaniem modelu językowego jest to, że generuje odniesienia, które są formalnie poprawne, ale nie istnieją w treści. Zwroty takie jak „zgodnie z art. 26” lub „w tabeli 19 załącznika” mogą mieć charakter czysto halucynacyjny.
SŁABY PODSUMOWANIE: „Podaj limity odprowadzania ścieków tekstylnych wraz z numerami pozycji.”-> Model generuje numery pozycji oraz liczby, które wydają się dokładne, ale nie są zweryfikowane. MOCNA WSKAZÓWKA: „Wyjaśnij, jakie przepisy i jaki rodzaj załącznika/tabeli powinienem sprawdzić, aby uzyskać pozwolenie na odprowadzanie ścieków dla zakładu tekstylnego/farbiarni. Twoje zadanie: 1) Określ MOŻLIWE TYPY przepisów i komunikatów na ten temat oraz w którym dziale (załącznik/tabela). „Powiedz mi, że można znaleźć limity sektorowe. 2) NIE ustalaj konkretnego numeru artykułu ani limitu liczbowego; zamiast tego umieść symbol zastępczy „Do sprawdzenia w Dzienniku Urzędowym”. 3) Wymień, jakich kluczowych terminów (nazwa sektora, parametr) powinienem używać podczas wyszukiwania w tekście oficjalnym. 4) Przypomnij mi o ryzyku historycznym (uchylenie, zmiana, przepis przejściowy), które powinienem sprawdzić.”
Potężny model podpowiedzi wykorzystuje go jako narzędzie wyszukiwania i nawigacji — „na który dokument mam patrzeć i pod jakim terminem?” — nie jako źródło liczby.
Wskazówka: najbezpieczniejszym sposobem wykorzystania LLM w badaniach regulacyjnych jest ustawienie go jako „kompasu badawczego”, a nie „automatycznej sekretarki”. Niech model generuje pytania: „Jakie pozwolenia, jakie parametry, jakie ewentualne regulacje obowiązują w przypadku tego obiektu?” Następnie znajdź odpowiedzi na te pytania w oficjalnym tekście. Model reżyseruje; Decyduje Dziennik Urzędowy.
Przebieg weryfikacji: Potwierdzenie z Dziennika Urzędowego
Łańcuch, jaki należy przestrzegać dla każdego wydania i numeru pozycji:
1) Uzyskaj temat/typ dokumentu/kluczowy termin z LLM (nie polegaj na numerze artykułu).2) Otwórz AKTUALNY tekst rozporządzenia na oficjalnym portalu legislacyjnym.3) Sprawdź, czy tekst nie jest uchylony i jego datę wejścia w życie.4) WYSZUKAJ w tekście odpowiedni artykuł/dodatek; Zobacz numer artykułu i limit na własne oczy. 5) Sprawdź przepisy przejściowe i najnowsze zmiany. 6) W protokole wpisać źródło z pełnym cytowaniem: [Nazwa rozporządzenia], [Numer artykułu/załącznika], [Data i numer Dziennika Urzędowego].
Przykład: testowanie wyników LLM
# Tłumaczenie referencji LLM na listę kontrolną „do weryfikacji” = [ {"source": "SKKY", "item": "Tabela 10.7 w załączniku", "parametr": "COD", "limit_mgL": 300, "status": "NIE ZWERYFIKOWANO"}, {"source": "SKKY", "item": "Artykuł 26", "parametr": "pH", "limit": "6-9", "status": "NIE ZWERYFIKOWANO"},]dla k w llm_claims: # Nikt nie może wprowadzić raportu bez potwierdzenia "ZWERYFIKOWANO" z Dziennika Urzędowego k["status"] == "NIE ZWERYFIKOWANO" print(f"WYMAGAJ POTWIERDZENIA: {k['source']} / {k['article']} / {k['parametr']}")# Każda linia musi zostać znaleziona ręcznie w tekście Dziennika Urzędowego i status musi zostać zaktualizowany.
Podejście to traktuje wyniki modelu jako listę twierdzeń, które należy potwierdzić, a nie „prawdę”, którą należy bezpośrednio zaakceptować.
mini etui
Urzędnik ds. ochrony środowiska zapisał dopuszczalną wartość gazów spalinowych w raporcie emisji do powietrza, powołując się na „odpowiedni artykuł art. 18 rozporządzenia”, który otrzymał od LLM. Kiedy raport został przedstawiony administracji, audytor otworzył artykuł; Artykuł 18 dotyczył zupełnie innej kwestii (obowiązku monitorowania), a limit liczbowy podany we wzorze w ogóle nie istniał w obecnym tekście – wartość pochodziła ze zgłoszenia, które zostało uchylone dwa lata temu. Raport został zwrócony, proces opóźnił się o tygodnie, a firma straciła zaufanie. Po dalszym badaniu w załączniku do aktualnego okólnika ustalono, że limit ma inną liczbę. Pojedyncza kontrola w Dzienniku Urzędowym mogłaby zapobiec wszystkim tym stratom. Lekcja: Model może „uzupełnić” odniesienie, a kiedy to robi, jest niezwykle przekonujący.
Typowe błędy
- Stosowanie numeru substancji i wartości dopuszczalnej podanych przez LLM bez potwierdzania tego w Dzienniku Urzędowym.
- Uznanie uchylonego rozporządzenia za obowiązujące.
- Ignorując fakt, że modelka nie zna przepisów prawnych, które uległy zmianie po dacie szkolenia.
- Wyszukiwanie wartości granicznej w niewłaściwej warstwie (prawo); natomiast wartość znajduje się w załączniku/notyfikacji rozporządzenia.
- Ominięcie przepisów przejściowych i istniejących wyjątków obiektowych.
- Brak udokumentowania źródła z pełnym cytatem (nazwa przepisu, artykuł/załącznik, data i numer RG).
- Nie używaj modelu jako „automatycznej sekretarki” i używaj go jako kompasu badawczego.
Podsumowując
- Prawodawstwo ochrony środowiska funkcjonuje w hierarchii prawo-regulacja-powiadomienie-obieg; Wartości dopuszczalne znajdują się zazwyczaj w załączniku do rozporządzenia lub w zgłoszeniu.
- Ustawodawstwo żyje; Uchylenie, zmiana i data wejścia w życie mają wpływ na ważność każdego wydania.
- LLM może generować wiarygodne, ale nieistniejące numery pozycji, uchylony tekst i fałszywe limity (halucynacje).
- Bezpiecznym sposobem wykorzystania modelu jest wykorzystywanie go nie jako źródła odpowiedzi, ale raczej jako „na który dokument powinienem spojrzeć i pod jakimi terminami?” jest zrobienie kompasu.
- Każdy artykuł i wydanie musi być wizualnie potwierdzone na podstawie aktualnego tekstu Dziennika Urzędowego / portalu legislacyjnego, a jego źródło musi być opatrzone pełnym nadrukiem.
- Wynikiem AI jest wstępny projekt badawczy; Żadne odniesienie do prawa nie może stanowić podstawy sprawozdania lub decyzji bez sprawdzenia go w oficjalnym tekście.
Zadanie aplikacji
Wybierz konkretny scenariusz (np. badanie wartości dopuszczalnych zrzutu ścieków lub emisji gazów spalinowych z obiektu). Najpierw napisz silną zachętę i wykorzystaj LLM jedynie jako wskazówkę: napisz, jakiego rodzaju regulacje/zawiadomienia, jaki załącznik/tabelę i pod jakimi kluczowymi terminami musisz się zapoznać; Zapisz wszystkie numery pozycji i numery nadane przez model na liście roszczeń z etykietą „NIEZWERYFIKOWANE”. Następnie znajdź odpowiedni aktualny tekst z prawdziwego oficjalnego źródła (Dziennik Urzędowy / oficjalny portal legislacyjny); sprawdzić, czy obowiązuje i czy nie została uchylona; Wizualnie potwierdzić odpowiednią substancję/suplement i wartość graniczną. Zapisz pełny cytat (nazwa przepisu, numer artykułu/załącznika, data i numer WO) dla każdej zweryfikowanej pozycji. Na koniec: „Które odniesienie podane przez LLM okazało się błędne/niekompletne/sfabrykowane?” Oceń pytanie za pomocą akapitu.