مروری بر چالشهای پیاده سازی هوش مصنوعی مولد در تحلیل گزارش های حوادث و آنی نی های HSE صنایع متوسط

هوش مصنوعی مولد با قابلیت درک و تولید متون پیچیده پتانسیل بالایی برای خودکارسازی تحلیل گزارش های حوادث و آنی نی های HSE دارد. با این حال صنایع متوسط به دلیل محدودیت منابع با چالش های مضاعفی در پیاده سازی این فناوری مواجه هستند. علی رغم رشد سریع پژوهش ها در زمینه کاربرد مدل های زبانی بزرگ در حوزه ایمنی، تمرکز اکثر مطالعات بر صنایع بزرگ بوده و شکاف دانشی قابل توجهی در مورد چالش های خاص صنایع متوسط وجود دارد. هدف این پژوهش مروری نظام مند بر چالش های پیاده سازی هوش مصنوعی مولد در تحلیل گزارش های حوادث و آنی نی های HSE در صنایع متوسط است. این پژوهش با پیروی از پروتکل PRISMA جستجو در پایگاه های Civilica، IEEE Xplore، PubMed، Scopus، ScienceDirect و Magiran در بازه زمانی ۲۰۱۹ تا ۲۰۲۶ انجام شد و پس از غربالگری ۳۰ مقاله مرتبط برای تحلیل نهایی انتخاب گردیدند. یافته ها نشان می دهد که پنج چالش اصلی عبارتند از: هالوسینیشن و تولید محتوای نادرست، سوگیری سیستمی به سمت راهکارهای اداری، کمبود داده های باکیفیت و ساختاریافته، عدم شفافیت و تفسیرپذیری محدود، و محدودیت های زیرساختی و سازمانی. رویکردهای تولید افزایشیافته با بازیابی و زنجیره تفکر دامنه محور بهبودهای چشمگیری در کاهش هالوسینیشن ایجاد کرده اند اما تقریبا تمام مطالعات موفق در صنایع بزرگ اجرا شده اند. همچنین، ۸۰٪ مقالات به کمبود داده های باکیفیت و ۷۳٪ به هالوسینیشن به عنوان چالش های اصلی اشاره داشته اند. نتیجه گیری می شود که شکاف عمیقی بین اثربخشی فنی هوش مصنوعی مولد در شرایط ایده آل و قابلیت پیاده سازی آن در بافت صنایع متوسط با محدودیت منابع وجود دارد. پژوهش های آتی باید بر توسعه راهکارهای کم هزینه و کم داده، طراحی چارچوب های ارزیابی متناسب با صنایع متوسط، و انجام مطالعات تجربی در محیط های عملیاتی واقعی متمرکز شوند. همچنین به مدیران صنایع متوسط توصیه می شود که با پروژه های پایلوت در مقیاس محدود آغاز کرده و بر استانداردسازی حداقلی داده های گزارش حوادث تمرکز نمایند.

کلیدواژه ها:

هوش مصنوعی ، مولد ، مدل های زبانی بزرگ ، تحلیل گزارش حوادث ، صنایع متوسط ، HSE