ИИ приходит в атомную отрасль США

ИИ‑ассистенты способны поддержать редеющий коллектив профильных специалистов, обслуживающих стареющие атомные станции

Если и есть место, куда искусственный интеллект допускать не следует, то, на первый взгляд, это пульт управления атомной электростанции. Ядерная отрасль издавна славится осмотрительностью и нежеланием рисковать, и это легко понять: цена аварии или ошибки может оказаться катастрофической. Даже опытным руководителям нелегко справляться со сложностью эксплуатации ядерного реактора. Казалось бы, для новой, мощной, но подверженной ошибкам технологии это совсем неподходящая среда.

Тем не менее действительность выглядит совсем иначе. Немало компаний уже предлагают атомной энергетике решения на основе ИИ. В этом году практически все 94 действующих в США ядерных реактора получили возможность задействовать искусственный интеллект в работе, и большинство ею воспользовалось.

В августе калифорнийская компания Atomic Canyon представила NIVA (Nuclear Industry Virtual Assistant) — виртуального ассистента для ядерной отрасли, созданного в сотрудничестве с профильными организациями. Сначала его опробовали на АЭС, которыми управляет Constellation Energy, а теперь он доступен всему американскому парку реакторов. (Constellation отказалась комментировать эту тему для статьи.) Между тем стартап Nuclearn, создающий ИИ для атомной энергетики, сообщает, что его продуктами уже пользуются более 65 партнёров в США. Среди них не только действующие традиционные АЭС, но и компания NuScale Power Corp., разрабатывающая перспективные малые модульные реакторы. Microsoft и Nvidia объединили усилия в проекте по применению ИИ для оптимизации «всего жизненного цикла атомной электростанции, включая получение разрешений на размещение объекта, проектирование, строительство и непрерывную эксплуатацию».

Финансовый директор и сооснователь Nuclearn Джерролд Винсент объясняет столь стремительное распространение технологии двумя причинами. Во‑первых, IT‑компании, сделавшие ставку на искусственный интеллект, заинтересованы и в возрождении ядерной энергетики, способной снабжать электричеством их дата‑центры. Во‑вторых, как считает Винсент, ИИ отлично подходит для решения ряда самых острых проблем отрасли. Многое из того, что осложняет эксплуатацию реакторов, — запутанные нормативные требования, громоздкие системы управления и обслуживания — относится именно к задачам, с которыми ИИ справляется хорошо. Отрасль с огромным трудом борется со старением оборудования и кадров. По мнению Винсента, чтобы не просто выжить, но и получить реальный шанс на возрождение, ей потребуется помощь машинного интеллекта.

«Мы видим колоссальный рост спроса со стороны разработчиков перспективных реакторов и строителей новых атомных объектов, — добавляет Винсент. — Но существующие кадровые ресурсы и без того напряжены до предела. Поэтому, когда мы приходим к клиенту, чаще всего слышим: „У меня есть вакансии, но закрыть их некем. Требования регуляторов выполнять необходимо. И как, чёрт возьми, это сделать?“»

ИИ облегчает работу с документацией в ядерной энергетике

Сегодня главным «продуктом» ядерного реактора, помимо электроэнергии, остаётся бумажная работа. АЭС порождают горы документов, которые подтверждают соблюдение нормативных требований и фиксируют действия персонала при любой потенциальной проблеме — от трещины в асфальте до неисправности самого реактора.

«Любое инженерное решение необходимо оценить, независимо проверить и взять под контроль», — говорит Винсент. Решения Nuclearn на основе ИИ помогают станциям эффективнее искать информацию в гигантских архивах, быстрее готовить документы для федеральных ведомств и выяснять, как та или иная проблема решалась прежде. «Если представить это как ChatGPT для атомной энергетики, — говорит он, — то в целом это неплохая отправная точка».

Роб Остин, руководитель проекта NIVA в Научно-исследовательском институте электроэнергетики (Electric Power Research Institute, EPRI), рассказывает, что всё началось год назад. Тогда председатель совета директоров Constellation Джозеф Домингес обратился к некоммерческим отраслевым организациям, в чьих архивах хранятся сведения о соблюдении нормативов, техобслуживании, ремонте и истории эксплуатации оборудования. Он предложил им придумать, как сделать отраслевые знания такими же доступными, как в больших языковых моделях вроде ChatGPT, Copilot или Gemini, при этом обеспечив защиту информации.

Эта задача легла на Atomic Canyon. Её генеральный директор Трей Лодердейл прежде занимался внедрением ИИ в здравоохранении — такой же консервативной сфере. Живя и работая неподалёку от АЭС Diablo Canyon, последней действующей атомной станции Калифорнии, он стал понимать, как ядерная энергетика и ИИ могли бы построить взаимовыгодные отношения. Возрождение атомной отрасли обеспечило бы электричеством энергоёмкие дата‑центры, но для этого искусственный интеллект должен помочь самой отрасли вновь обрести процветание.

Серьёзным препятствием остаётся отношение общества к атомной энергетике: несколько десятилетий назад оно резко ухудшилось из‑за громких аварий и тревог по поводу радиоактивных отходов. Лишь недавно общественное мнение стало постепенно меняться. Но остановка строительства новых станций породила другую проблему — потерю накопленных отраслевых знаний, отмечает Лодердейл. Пока американская атомная промышленность стагнировала, всё меньше людей выбирали профессию физика‑ядерщика или технического специалиста в этой области. Так возник кадровый дефицит. В отрасли трудятся только высококвалифицированные профессионалы, но их число стремительно сокращается, а ведь именно им предстоит поддерживать работу старых реакторов и, возможно, запускать новые, чтобы удовлетворить быстро растущий спрос на электроэнергию.

«У нас как у отрасли нет ни малейших шансов добиться возрождения атомной энергетики, ядерного ренессанса, если мы не расширим возможности наших специалистов, обладающих нужными знаниями», — говорит Лодердейл.

Решение, по его мнению, — создать ИИ, способный вести интеллектуальный поиск по архивам, которые сотрудники отрасли пополняли на протяжении десятилетий. Когда в 2025 году Atomic Canyon получила контракт на разработку NIVA, первым шагом стала загрузка 53 миллионов страниц общедоступных материалов Комиссии по ядерному регулированию США: на них модель обучалась особенностям эксплуатации объектов, профессиональной терминологии и нормативной базе. Затем Лодердейл заключил партнёрство с Ок‑Риджской национальной лабораторией, чтобы создать первые модели ИИ, специализированные для атомной отрасли.

«С технической точки зрения это модели векторного представления предложений, — объясняет Лодердейл. — Проще говоря, мы научили ИИ искать информацию на языке ядерной энергетики. У этой отрасли практически свой язык». Задача в том, чтобы сегодняшние сотрудники могли задавать вопросы по любым аспектам работы станции — от заполнения нормативных форм до закупки необходимых инструментов и материалов — просто вводя запрос и предоставляя ИИ самому разбираться во всём массиве накопленных знаний.

Объединение отраслевых данных для поиска с помощью ИИ

Когда Лодердейл начал сотрудничать с Diablo Canyon по внедрению ИИ в атомную сферу, выяснилось, что одним из главных препятствий является сама необходимость перевести документацию станций, копившуюся десятилетиями, — инструкции, лучшие практики, рекомендации по безопасности — в удобный для поиска формат. Информация по отрасли была разрозненной и нестандартизированной. Поэтому три крупнейшие некоммерческие организации отрасли — Институт эксплуатации атомных электростанций (Institute of Nuclear Power Operations), Научно-исследовательский институт электроэнергетики (Electric Power Research Institute) и Институт ядерной энергии (Nuclear Energy Institute) — в 2025 году взялись за создание единых наборов данных. Эта инициатива в итоге привела к появлению ИИ‑ассистента NIVA, разработанного Atomic Canyon.

Остин из EPRI приводит пример: инженеры‑атомщики могут столкнуться с неполадкой в одном из вертикальных насосов размером с дом и мощностью в тысячу лошадиных сил, которые прокачивают огромные объёмы охлаждающей воды. В поисках решения у специалистов есть доступ к большому, возможно даже избыточному, объёму сведений. Они могут обратиться к руководствам EPRI по обслуживанию таких компонентов. Кроме того, в их распоряжении десятки тысяч отчётов об инцидентах, хранящихся в Институте эксплуатации атомных электростанций, где описаны прошлые неисправности насосов. Задача ИИ — обобщить все эти отчёты и подготовить руководство по основным отказам насосов. При этом принципиально важно, чтобы система подробно показывала, на каких материалах основаны её выводы: тогда инженеры смогут найти документы, использованные при подготовке рекомендаций.

«Мне нужно знать обо всех остальных АЭС, где применяется такая же деталь, — говорит Лодердейл. — Сталкивались ли они с похожей проблемой? Как её решили? Как диагностировали неисправность? Если задуматься, в атомной энергетике накоплен колоссальный объём информации. Вопрос в том, как извлечь коллективные знания из всего этого массива. И с этим ИИ справляется очень, очень хорошо».

Серьёзной преградой для модернизации работы АЭС остаётся секретность. На системы ИИ, которые в основном помогают с документами и поиском данных, не распространяются самые жёсткие требования, действовавшие бы при их взаимодействии с компонентами, управляющими станцией. Однако сами отраслевые данные в большинстве своём принадлежат компаниям или защищены федеральным законодательством.

Чтобы справиться с этой проблемой, Nuclearn предлагает исключительно локальные решения, развёртываемые на конкретном объекте, — так данные станции никогда не покидают её территорию. По словам Остина, NIVA ищет информацию только в тех базах, доступ к которым и так требует соответствующих разрешений на уровне станции. Получается, что при поиске по этому огромному массиву с помощью ИИ‑ассистента действуют те же правила безопасности. Технологии не способны устранить эти организационные барьеры, но создают новые стимулы искать пути для более открытого обмена данными.

«Мы стремились сделать доступными для поиска десятилетия эксплуатационного опыта, буквально сотни тысяч отчётов, десятки тысяч технических документов и огромное количество прочей информации. И сделать это так, чтобы нужные сведения находились гораздо проще и удобнее, а данные при этом оставались защищёнными, критически важная информация — под охраной, а доступ к ней — под контролем», — говорит Остин. Именно это и делает NIVA.

Инспекции АЭС с помощью ИИ

Пока обе большие языковые модели, применяемые в отрасли, — Nuclearn и NIVA, — лишь предоставляют информацию людям и никак не вмешиваются в работу станций. Тем не менее неизбежно возникает вопрос: что, если бы они могли это делать?

И Винсент, и Остин уверяют, что до этого ещё очень далеко, однако уже представляют себе возможный путь. В качестве примера Остин предлагает вспомнить о бесчисленных сварных швах на АЭС. Сейчас каждый из них должен проверять человек, оценивая качество и прочность. В рамках одного из пилотных проектов EPRI тестирует, можно ли с помощью ИИ анализировать огромные массивы данных, получаемых при таких проверках, и выявлять потенциально проблемные участки. По словам Остина, человек по‑прежнему участвует в процессе и проверяет все рекомендации ИИ, а ни одна станция не позволяет искусственному интеллекту проводить инспекции самостоятельно. Тем не менее проект становится шагом к использованию ИИ непосредственно в эксплуатации станций, а не только в роли советчика для операторов.

«Я не вижу ни в ближайшей, ни в отдалённой перспективе ситуации, когда ИИ будет принимать решения по эксплуатации станции, — и из‑за нормативных требований, и из‑за характера связанных с этим рисков, — говорит Лодердейл. — Мы не хотим, чтобы машины принимали решения, способные повлиять на работу станции. Поэтому, на мой взгляд, человек ещё очень и очень долго будет оставаться обязательным звеном в принятии решений».

Источник