大規模言語モデルによる建設現場の安全性向上：パフォーマンス分析

建設現場での危険認識は労働者の安全を確保するために重要です。従来の方法は専門家の評価、現場検査、およびチェックリストに広く依存しており、時間がかかり、人為的なエラーに影響されやすいです。GPTベースのシステムなどのマルチモーダル大規模言語モデル（LLM）の統合は、これらの制限を克服するための有望な機会を提供します。したがって、本研究では、建設現場に特に焦点を当てて、画像入力からの職場の危険を認識するGPT-4oの有効性を評価します。結果は、このモデルが安全専門家にスケーラブルでリアルタイムの洞察を提供する貴重な意思決定支援ツールとして機能できることを示しています。ただし、モデルが一般的な視覚的特徴に依存していること、ドメイン特有の安全知識が不足していること、そして人間の監視が引き続き必要であるという重要な制限も浮き彫りにしています。さらに、AIによって生成された危険評価のバイアス、データプライバシー、およびAIへの過度な依存のリスクといった倫理的懸念も、これらのツールが責任を持って効果的にリスク管理戦略に貢献するために注意深く管理されなければならないことを強調します。