面向战略规划制定的生成式人工智能

鉴于生成式人工智能(GAI)和大语言模型(LLMs)的最新突破,越来越多曾被认为无法自动化的专业服务正通过人工智能(AI)得到增强。本文提出了一个模块化模型,用于在大型政府组织的战略规划制定中利用GAI,并评估了领先的机器学习技术在其一个已识别模块中的应用。具体而言,我们评估了BERTopic和非负矩阵分解(NMF)在利用主题建模生成代表战略规划中愿景要素的主题方面的性能。为此,我们使用美国政府问责局(GAO)的大量报告训练了BERTopic和NMF模型。然后,将每个模型生成的主题与已发布战略规划的愿景要素进行相似度评分,并比较结果。我们的结果表明,这些技术能够生成与100%被评估要素相似的主题。此外,我们得出结论,BERTopic在此应用中表现最佳,其超过一半的相关主题达到了“中等”或“强”相关性。GAI赋能的战略规划制定能力影响着一个数十亿美元的产业,并有助于联邦政府克服对公共利益至关重要的监管要求。后续工作将侧重于本研究所证明概念的操作化,以及所提出的GAI生成战略规划模型中其余模块的可行性。