HSE领域的人工智能助手：如何实施与实际应用

人工智能作为HSE专家的新工具

将数字技术和人工智能（AI）引入HSE领域已不仅仅是一种趋势，而是优化日常流程的必然要求。Edelweiss建筑公司的HSE专家Tatiana Paklinskaya分享了她将神经网络整合到日常工作中的实践经验。在她的演讲中，她揭示了创建AI助手的“内部运作”，这些助手有助于自动化制定HSE指南和个人防护装备（PPE）发放标准。

从厨房比喻到理解AI

为了有效使用神经网络，了解其基本工作原理非常重要。演讲者提出了一个简单的比喻：AI是无人烹饪的理念，机器学习是烹饪方法（烘焙、煮沸），深度学习是超级多功能锅（神经网络），而大型语言模型（LLM）则是食谱和食材。成品菜肴就是我们熟悉的ChatGPT、GigaChat和DeepSeek。了解这些基础知识有助于正确构建提示词（prompts）并获得预期结果。

为特定任务创建AI助手

演讲详细探讨了创建专用AI助手的过程。Tatiana总结的主要原则是：“不同的任务 = 不同的助手”。试图创建一个万能助手会导致神经网络的混乱和错误（幻觉）。

• HSE指南开发助手：将法规文件的精简版（例如劳动部第772n号命令的部分内容）和公司内部规定上传到知识库中。这使得AI能够仅专注于必要的规则，并按章节输出结构化文本，从而绕过生成文本长度的限制。
• PPE标准选择助手：为了使该助手正常工作，演讲者重新处理了第767n号命令中繁杂的表格，将列数从九列减少到四列。通过上传职责、特殊工作条件评估（SOUT）结果和所用设备，助手能够准确选择标准，而专家只需检查结果并进行针对性的修改。

这种方法将准备指南草案的时间从几天缩短到半小时，其中大部分时间用于文件的最终排版。

神经网络的局限性及应对方法

演讲者通过实例表明，AI是一台需要明确指令的机器。用户面临的主要局限性包括：

• 输出文本长度限制：神经网络可能会自行缩短长文档。解决方案是设置提示词，要求分段输出文本。
• 知识库结构化的必要性：上传非结构化的数据集会导致错误。信息需要进行预处理，并“清理”多余内容。
• 对提示词质量的依赖：任务描述越准确、越详细，结果的质量就越高。详细的提示词可能长达几页，但这正是保证助手正确工作的关键。

AI的创造潜力：制作培训材料

除了日常任务，神经网络还为创建引人入胜的内容开辟了新途径。Tatiana展示了一部借助AI制作的电气安全动画短片。ChatGPT帮助编写了剧本并生成了统一风格（3D Pixar）的图像，而GigaChat则用于让它们“动起来”。这直观地展示了专家的角色是如何转变的：从单纯的执行者转变为管理数字团队的流程架构师。

您将从本次网络研讨会中学到什么：

• 如何正确编写神经网络的提示词（请求），以尽量减少错误和“幻觉”？
• 如何准备和结构化法规文件（例如第767n号命令），以便上传到AI助手的知识库中？
• 为什么需要为不同的任务（指南、PPE标准）创建单独的AI助手？
• 在创建长篇文档时，如何绕过神经网络对生成文本长度的限制？
• 如何使用神经网络制作HSE培训动画短片？