#人工智能
人工智能（AI）在职业健康安全中的深度应用。实现安全管理由静态数据收集向高级预测性危险分析的关键跨越。覆盖利用神经网络等前沿AI算法分析结构化大数据、提前洞察隐患、赋能业务流程等标杆应用。
HSE中的AI与视频分析：从构想到自主上线的全过程
由公司内部专家基于开源模型MoonDream开发和实施的视频分析系统。该解决方案实时分析摄像头视频流，识别违反PPE和卫生着装规定的行为以及未经授权的设备操作，并通过Telegram机器人自动向负责人发送通知。
深入了解AI：新手打造个人助手的简明指南
本文是一份逐步指南，旨在帮助读者掌握通用文本人工智能模型，以打造个人助手。文章展示了如何从最初的日常对话逐步过渡到解决专业任务（特别是在职业健康与安全领域），并建立个人高效提示词库。逐渐增加请求的复杂程度，有助于使人工智能适应自身的业务流程，从而将信息系统化，并腾出时间进行风险分析和与人沟通的工作。
我是如何创建AI助手来编写HSE操作规程的
作者描述了创建用于自动开发职业健康与安全指导书的 AI 助手的亲身经验。文章探讨了各种神经网络的测试结果、将指导书划分为不变部分和可变部分的做法，以及构建知识库和详细提示词的算法。该文章解释了如何配置模型以符合商务风格和第 772n 号劳工部令的要求，且不出现“幻想”和未经授权的缩写。
通过数字化项目塑造行为文化
引入数字助手和基于人工智能的系统，以控制驾驶员警觉性、遵守电气装置安全要求并防止在输送机上未经授权的通行。整合气体监测数据，以自动发现差异并记录甲烷浓度超标情况。
HSE领域的人工智能助手：如何实施与实际应用
创建专用AI助手以自动化HSE专家的日常任务。实践包括开发HSE指南、基于结构化知识库选择PPE发放标准，以及生成培训动画短片。
视频分析与现代HSE及工业安全管理方法
本文探讨了在电气设备中应用自动视频分析技术以持续监控个人防护用品（PPE）的使用并监测危险区域的经验。文章解释了如何通过使神经网络适应生产特性以及遵守法规要求，从而实现从事后应对措施向预防性识别违规行为的转变。这有助于优化操作人员的工作，减少违规数量，并提高安全文化水平。
AI在行动：神经网络如何防止科拉矿业冶金公司发生HSE违规事件
在科拉冶金公司（Kola MMC）的电解镍车间，人工智能系统首次记录了一起违反工业安全规定的行为：一名员工在未关闭设备的情况下进入了危险区域。配备九个摄像头的神经网络识别出了处于禁止区域的人员，触发了声音警报，并通过电子邮件和“Supernika”即时通讯软件向管理层发送了通知。本文分析了这一实际案例，以及该技术在“诺里尔斯克镍业”（Nornickel）旗下企业推广应用的前景。
6个简单问题，让AI从“空想家”变成你的得力助手
本文介绍了如何通过改变任务设定方法，从模糊的 AI 回复过渡到准确且可预测的结果。作者分享了一份包含六个要点的清单，有助于正确设定目标、角色、风格、格式、限制条件和受众。使用该模板可以为神经网络制定明确的指令，并获得真正需要的结果。
从数字素养到AI素养：HSE专家的新核心能力
本文介绍了职业健康与安全领域从数字素养向人工智能（AI）素养的转变，这一转变将专家的角色从现成系统的操作员重塑为流程的架构师。通过训练神经网络处理文档并设计其交互逻辑，专家得以释放时间用于战略任务、深入的风险分析以及与人的沟通协作。文章揭示了掌握提示词工程（prompting）和领域专业知识如何将AI从普通的工具转变为构建安全文化的盟友。
“安全药丸”——通过AI工作场所可视化让员工参与风险分析
借助人工智能（Leonardo神经网络）生成的个性化工作场所图像，让员工参与职业风险分析。该方法包括在车间举行15分钟的简短会议，员工在图片中寻找故意设置的违规行为，然后通过二维码表单提出自己的危险场景，以便后续生成新图像。
关于人工智能的三个误区
本文分析了在将人工智能引入工作流程时成为主要障碍的常见误区。作者解释说，如果能够正确表述任务、根据自身需求配置工具并具备深入的专业知识，神经网络就不会取代人类，而是会增强专业人员的能力。剖析这些误区有助于形成对人工智能的理性预期，并学会将日常例行任务委托给算法。
获准驾驶公务车辆人员的有效道路交通安全控制：如何提高俄罗斯公路安全
引入基于人工智能的视频分析系统，以监控油罐车和公务用车驾驶员的行为。该系统实时记录严重违规行为（注意力分散、打瞌睡、未系安全带）并警告驾驶员，同时传输数据以供分析和快速响应。