إن التعرف على المخاطر في مواقع البناء أمر حيوي لضمان سلامة العمال. تعتمد الأساليب التقليدية بشكل كبير على تقييمات الخبراء، والتفتيشات الميدانية، وقوائم التحقق، مما يمكن أن يكون مستهلكًا للوقت وقابلًا للأخطاء البشرية. تقدم دمج النماذج اللغوية الكبيرة متعددة النماذج (LLMs)، مثل الأنظمة المعتمدة على GPT، فرصة واعدة لتجاوز هذه القيود. لذلك، تقيم هذه الدراسة فعالية GPT-4o في التعرف على المخاطر في مواقع العمل من المدخلات الصورية، مع تركيز خاص على مواقع البناء. تشير النتائج إلى أن النموذج يمكن أن يكون أداة دعم اتخاذ قرار قيمة للمهنيين في مجال السلامة من خلال تقديم رؤى قابلة للتوسع وفي الوقت الحقيقي. ومع ذلك، تبرز الدراسة أيضًا القيود الرئيسية، بما في ذلك اعتماد النموذج على الميزات البصرية العامة بدلاً من المعرفة المتخصصة في مجال السلامة، والحاجة المستمرة للإشراف البشري. بالإضافة إلى ذلك، يجب إدارة مخاوف أخلاقية مثل التحيز في تقييمات المخاطر الناتجة عن الذكاء الاصطناعي، وخصوصية البيانات، وخطر الاعتماد المفرط على الذكاء الاصطناعي بعناية لضمان أن تساهم هذه الأدوات بشكل مسؤول وفعال في استراتيجيات إدارة المخاطر الاستباقية.
درس فاتا وآخرون (ثلاثاء،) هذا السؤال.