Közbeszerzési eljárások
Tájékoztatás a megmagyarázhatóságról
SZÓJEGYZÉK
| Fogalom | Fogalommeghatározás |
|---|---|
| Mesterséges intelligencia (MI) | A mesterséges intelligencia (MI) olyan technológia, amely képessé teszi a számítógépeket és gépeket az emberi intelligencia és problémamegoldó képesség szimulálására vagy utánzására. |
| Osztályozási modell | Az osztályozási modell a gépi tanulási modellek egyik típusa, amely az adatokat előre meghatározott osztályok vagy jelölések szerint kategorizálja vagy sorolja be. Bemeneti adatokat használ, és előre jelzi, hogy az adatok mely kategóriába vagy osztályba tartoznak. |
| CPV (közös közbeszerzési szójegyzék) | A CPV (közös közbeszerzési szójegyzék) (1) az Európai Unió közbeszerzéseinél használt osztályozási kódok strukturált rendszere, amely segítséget nyújt az árubeszerzésre, szolgáltatásnyújtásra és építési beruházásra irányuló közbeszerzési szerződések tárgyának kategorizálásához és leírásához. A CPV osztályozási modell célja, hogy elősegítse az eljárást megindító hirdetmények közzétételét és összehasonlítását, megkönnyítve az ajánlattevők és az ajánlatkérő szervek számára a releváns közbeszerzési lehetőségek azonosítását. |
| Gépi fordítás (eTranslation) (2) | A gépi fordítás (eTranslation) az Európai Bizottság neurális gépi fordítási szolgáltatása. |
| Gépi tanulás (ML) | A gépi tanulás (ML) a mesterséges intelligencia egyik típusa, amely lehetővé teszi a szoftveralkalmazások számára, hogy „tanuljanak” a múltbeli gyakorlatból és visszajelzésekből, és ezáltal pontosabbak legyenek az eredmények előrejelzésében anélkül, hogy erre konkrétan programoznák őket. |
| Modellen alapuló következtetés | A modellen alapuló következtetés az a szakasz, amikor betanított gépi tanulási modellt használnak az új adatokra vonatkozó előrejelzések készítéséhez. |
| Betanítás | A betanítás az a kritikus szakasz a gépi tanulási modell fejlesztésében, amikor a modell megtanulja, hogy adatokon alapuló előrejelzéseket készítsen. |
| Természetes nyelvi feldolgozás (NLP) | A természetes nyelvi feldolgozás (NLP) a mesterséges intelligencia (MI) egyik területe, amely lehetővé teszi a számítógépek számára, hogy elemezzék és megértsék az írott és a beszélt emberi nyelvet. |
| Közbeszerzési eljárásokat megjelenítő oldal | A közbeszerzési eljárásokat megjelenítő oldal összesíti az ugyanazon eljárás alá tartozó valamennyi TED-hirdetményből (kapcsolódó hirdetmények) származó információkat, és azokat egyetlen, egyszerűsített és felhasználóbarát oldalon mutatja be. A közbeszerzési eljárásokat megjelenítő oldal a TED-hirdetményekben rendelkezésre álló közbeszerzési adatok bemutatásának új koncepciója. |
| scikit-learn | A scikit-learn a Python programozási nyelv nyílt forráskódú gépi tanulási könyvtára, amely különböző gépi tanulási algoritmusokat biztosít, beleértve az osztályozási modellek létrehozásához szükséges algoritmusokat is. |
| TED | A TED (Tenders Electronic Daily) az Európai Unió Kiadóhivatala által kezelt honlap (https://ted.europa.eu), amelyen a Hivatalos Lap S (az Európai Unió Hivatalos Lapjának kiegészítése, vagy HL S) sorozatának számait közzéteszik. A TED honlap díjmentesen hozzáférhető.
Az egy bizonyos szerződési értéket meghaladó valamennyi közbeszerzési hirdetményt közzé kell tenni a Hivatalos Lap S sorozatában. |
(2) https://language-tools.ec.europa.eu/
1. A közbeszerzési eljárásokat megjelenítő oldal
A Kiadóhivatal portálján elérhető, a közbeszerzési eljárásokat megjelenítő oldal összesíti az ugyanazon eljárás alá tartozó valamennyi TED-hirdetményből (kapcsolódó hirdetmények) származó információkat, és azokat egyetlen felhasználóbarát oldalon mutatja be. A közbeszerzési eljárásokat megjelenítő oldal a TED-hirdetményekben rendelkezésre álló közbeszerzési adatok bemutatásának új módja (3).
Az egyszerűsített oldalt úgy alakították ki, hogy az a közbeszerzési szakismeretekkel nem rendelkező felhasználók számára is könnyen érthető és böngészhető, és így a szélesebb közönség számára is hozzáférhető legyen.
1. ábra. A közbeszerzési eljárások összesítése.
A közbeszerzési eljárásokat megjelenítő oldal az eljárás állapotának és ütemezésének vizuális megjelenítését, valamint a teljesítési helyek földrajzi megjelenítését tartalmazza. Az eljárás részletes adatai mind az eljárás egészére, mind az egyes tételekre vonatkozó fő attribútumokat tartalmazzák. Az oldal emellett az összes kapcsolódó TED-felhívásra mutató közvetlen linkeket is tartalmaz, ezáltal könnyű hozzáférést biztosít a közbeszerzési eljárások összesített megjelenítéséhez használt elsődleges információforráshoz.
2. Mit jelent a CPV-gazdagítás?
A CPV-gazdagítás olyan funkció, amelynek célja a közbeszerzési eljárások fellelhetőségének javítása annak érdekében, hogy a jobb minőségű keresési eredményekkel javítsák a Kiadóhivatal portálja által kínált felhasználói élményt. Ennek érdekében a rendszer számos mesterségesintelligencia-technikát ötvöz – például a természetes nyelvi feldolgozást (NLP) és a gépi tanulást (ML) –, hogy tartalmuk alapján új CPV-kódokat rendeljen valamennyi közzétett eljáráshoz.
A rendszer által kikövetkeztetett új CPV-kódok az eljárás részletes adatait tartalmazó oldalon az eredeti CPV-kódok szomszédságában jelennek meg. Az oldal egyértelmű különbséget tesz az eljárás eredeti CPV-kódjai és a kikövetkeztetett CPV-kódok között, így a felhasználó tudhatja, hogy ez utóbbiakat mesterséges intelligencia segítségével hozzák létre. Emellett a kikövetkeztetett CPV-kódok beépülnek a keresési felületekbe, ami javítja a felhasználók keresési élményét, ugyanis lehetővé teszi, hogy a felhasználók a továbbfejlesztett kódok alapján szűrjék az eljárásokat.
Például a „Luxemburg-Luxemburg: külön járművezetővel ellátott kisteherautóval és kisbusszal végzett közlekedési szolgáltatások” című, és a „Külön járművezetővel ellátott kisteherautóval és kisbusszal végzett közlekedési szolgáltatások” leírással rendelkező eljárás esetében a TED-hirdetményből származó eredeti CPV-kód a „60100000 – Közúti közlekedési szolgáltatások”, a betanított modell alapján a gazdagítási motor pedig a következő kiegészítő, konkrétabb kódot következtette ki. „60170000 – Járművezetővel ellátott személyszállító járművek bérlése”.
3. Hogyan működik a CPV-gazdagítás?
A CPV-gazdagítási rendszer a scikit-learn könyvtáron betanított osztályozási modellen alapul. A modell az eljárás szöveges tartalmát veszi figyelembe, és az összes támogatott CPV-kódhoz megbízhatósági pontszámot rendel. Egy adott eljárás esetében a következő lépéseket kell végrehajtani ahhoz, hogy megkapják az előrejelzésen alapuló CPV-kódokat:
- Kivonatolás: az eljárásból kivonatolják a releváns tartalmat, például az eljárások címét és leírását, amelyek segítséget nyújtanak a CPV-kódok kikövetkeztetésében:
- Fordítás: az eljárás tartalmát a gépi fordítási (eTranslation) szolgáltatás segítségével lefordítják angolra, ha a hirdetmény tartalma nem áll rendelkezésre angol nyelven.
- Előfeldolgozás: a kivonatolt tartalom irreleváns részeket, például szimbólumokat, cikkeket, kötőszavakat stb. is tartalmazhat. Ezek az információk nem segítik elő a CPV-kódok kikövetkeztetését, és hatással lehetnek a következtetés minőségére, ezért eltávolítják azokat az eljárás tartalmából.
- Osztályozás: a kivonatolt tartalmat továbbítják az osztályozási modellbe, hogy az előzetesen megbízhatósági pontszámokat rendeljen az előre meghatározott osztályokba sorolt egyes CPV-kódokhoz.
- Szűrés: annak meghatározásához, hogy az eljáráshoz mely CPV-kódokat kell megtartani, a kapott megbízhatósági pontszámokat össze kell hasonlítani a modell betanítása során meghatározott küszöbértékkel. Ha egy CPV-kód megbízhatósági pontszáma meghaladja a küszöbértéket, akkor a kódot az eljárás szempontjából relevánsnak kell tekinteni. Ha például a modell előzetesen 0,7 megbízhatósági pontszámot rendel a 85000000 CPV-kódhoz, a küszöbérték pedig 0,6, a rendszer a kikövetkeztetett CPV-kódot az eljáráshoz kapcsolódónak tekinti.
A CPV-kódok kikövetkeztetésének betanítása céljából a modellt a portálon közzétett eljárások teljes körén tanították be. Az adatok 80%-án betanítják a modell többféle konfigurációját, majd értékelik azokat, és azt tartják meg, amely a legjobb előzetes hozzárendelési képességgel rendelkezik. Az adatok fennmaradó 20%-át arra használják, hogy a betanítás során fel nem használt adatokkal teszteljék a modell minőségét. A konfigurált küszöbértéket el nem érő megbízhatósági pontszámmal rendelkező valamennyi kikövetkeztetett CPV-kódot letiltják annak érdekében, hogy ezeket a kódokat a rendszer helytelenül ne jelezze előre vagy ne használja; a CPV-kódok kikövetkeztetésével kapcsolatos hibák vagy kihagyások továbbra is előfordulhatnak.
Az osztályozási modellt manuálisan tanítják és hangolják be, a legjobb minőségű előrejelzést nyújtó modellt pedig arra használják, hogy automatikusan további CPV-kódokat következtessen ki az újonnan feldolgozott közbeszerzési eljárásokból.
4. Milyen adatokat használ a CPV-gazdagítás?
A CPV-gazdagítási rendszer a Kiadóhivatal portálján nyilvánosan elérhető eljárásokat használja a CPV-kódok kikövetkeztetésének betanítására. A jelenlegi rendszert a 2011 óta közzétett 2,5 millió eljáráson tanították be.
A rendszer által a statisztikai következtetési modell betanításához használt valamennyi eljárásból kivonatolták a következő információkat:
- Az eljárás címe.
- Az eljárás rövid leírása.
- A tételek megnevezése (ha az eljárás tételeket tartalmaz).
- A tételek rövid leírása (ha az eljárás tételeket tartalmaz).
- Az eljárásban már szereplő fő és kiegészítő CPV-kódok.
- A tételek fő és kiegészítő CPV-kódjai (ha az eljárás tételeket tartalmaz).
Ezen információk az összes uniós szakpolitikára és jogszabályra alkalmazandó átláthatóság elve alapján kerülnek közzétételre. A CPV-gazdagítási rendszer betanításához és fejlesztéséhez nem használnak fel személyes adatokat.
5. Korlátozások a jelenlegi időpontban
- A rendszer legfeljebb 5 számjegyű CPV-kódokat következtethet ki (ágazatok, csoportok, osztályok és kategóriák). Nem támogatja az alacsonyabb szinteket.
- A rendszer csak azokat a CPV-kódokat támogatja, amelyek esetében megerősítést nyert a kikövetkeztetések jó minősége, ami a legfeljebb 5 számjegyű lehetséges CPV-kódok 61%-át teszi ki.
- A rendszer csak a 2011-től mostanáig közzétett eljárásokból történő következtetéseket támogatja.
6. Felelősségkizáró nyilatkozat – felelősségi szempontok
Megjegyzendő, hogy a Kiadóhivatal portálja mesterséges intelligencia vagy más automatizált technológiák által létrehozott tartalmat foglal magában. Az ilyen tartalom kizárólag tájékoztatási célokat szolgál, és pontosságának vagy teljességének ellenőrzése nélkül semmilyen konkrét célra nem használható fel.
A közbeszerzési eljárásokat megjelenítő oldal több mesterségesintelligencia-technikát ötvöz az adatgyűjtés érdekében, hogy a keresési módszerek megkönnyítése és támogatása érdekében javítsa a TED portálon közzétett releváns ajánlati felhívások fellelhetőségét.
A CPV-gazdagítási funkció és az abból eredően a mesterséges intelligencia által generált eredmény, azaz a kikövetkeztetett CPV-kódok teljesen automatizáltak. Egyes esetekben hibák fordulhatnak elő a rendszer vagy az adatok összetettsége miatt. A közbeszerzési eljárásokat megjelenítő oldal kizárólag a TED-portálon (Tenders Electronic Daily, (https://ted.europa.eu) közzétett, a Hivatalos Lap S sorozatában elérhető adatokat használja fel.
Mindazonáltal egyedül az Európai Unió Hivatalos Lapjának kiegészítésében (HL S) közzétett adatok minősülnek az ajánlati felhívásokra és a kapcsolódó hirdetményekre vonatkozó hivatalos információnak. Jóllehet minden szükséges intézkedést megtettek annak biztosítása érdekében, hogy a mesterségesintelligencia-technológia által előállított tartalom a lehető legjobb minőségű legyen, annak pontossága nem garantálható.
Ezért a Kiadóhivatal és az uniós intézmények nem vállalnak felelősséget a mesterségesintelligencia-technikák alkalmazásából származó eredményekben előforduló hibákért vagy kihagyásokért. Nem vállalható felelősség az ilyen mesterséges intelligencia által generált tartalomra való támaszkodás következményeiért. Felhívjuk a felhasználók figyelmét, hogy körültekintően és kellő gondossággal járjanak el annak használata során.