面向未来的岩土工程工作流：利用大语言模型加速问题求解
机器学习
2023-12-20 v1
摘要
将 ChatGPT 等大语言模型（LLM）整合到岩土工程工作流中，具有极大潜力去变革该学科解决问题与制定决策的方式。本文探讨了 LLM 在岩土工程中的创新应用，该内容是在日本东京举行的一次实践研讨会上探索的。该活动汇集了 20 名多样化的参与者，包括来自学术界、工业界和政府部门的学生、研究人员和专业人士，共同研究 LLM 在解决特定岩土工程挑战中的实际用途。研讨会促成了针对四个不同实际岩土工程问题的解决方案的创建，作为示例说明，最终完成了一篇学术论文。本文讨论了 LLM 变革岩土工程实践的潜力，强调了其在处理从基础数据分析到复杂多模态问题求解等一系列任务中的熟练程度。本文还探讨了实施 LLM 的挑战，特别是在专业任务中实现高精度和准确性的挑战，并强调了专家监督的必要性。研究结果表明，LLM 在提高岩土工程的效率、数据处理和决策制定方面是有效的，预示着该领域向更加集成的数据驱动方法的范式转变。本研究不仅展示了 LLM 在特定工程领域的潜力，也为其在跨学科研究和实践中的更广泛应用开创了先例，在这些应用中，人类专业知识与人工智能的协同重新定义了问题求解的边界。
引用
@article{arxiv.2312.12411,
title = {Future-proofing geotechnics workflows: accelerating problem-solving with large language models},
author = {Stephen Wu and Yu Otake and Daijiro Mizutani and Chang Liu and Kotaro Asano and Nana Sato and Hidetoshi Baba and Yusuke Fukunaga and Yosuke Higo and Akiyoshi Kamura and Shinnosuke Kodama and Masataka Metoki and Tomoka Nakamura and Yuto Nakazato and Taiga Saito and Akihiro Shioi and Masahiro Takenobu and Keigo Tsukioka and Ryo Yoshikawa},
journal= {arXiv preprint arXiv:2312.12411},
year = {2023}
}
备注
Supplementary information will be available upon request