2017年，国务院发布了《新一代人工智能发展规划》，并责成各省、自治区、直辖市、国务院各部委、各直属机构认真贯彻执行。 在“规划”中，国家从战略层面全面分析了当前我国在人工智能领域面临的机会、挑战，要求我们把握机遇，最终实现跨越式发展。同时，“规划”中对人工智能的基础理论、关键共性技术和基础支撑平台进行了详细的梳理。 自1956年诞生，人工智能便受到了数学、信息学、计算科学、神经科学等不同领域多个学科专家学者的高度关注。进入21世纪后，相关理论历经多年不断完善，借助飞速发展的电子信息技术，人工智能也迎来了发展的高峰。伴随这一热词的风靡全球，各类人工智能产品也开始落地。无论是当年IBM的深蓝，还是谷歌旗下的阿尔法狗，都曾一战成名，红极一时。 总的来说，现代社会生活，已经被人工智能包围了。可是，这样就够了么？不，远远不够，毕竟工业领域和实体经济还需要进一步提高效率。与互联网发展相似，当我们认为手持智能手机、出门叫车滴滴、共享单车随便骑、人脸识别过闸机已经是人工智能的伟大应用时，殊不知这才仅仅是消费互联网领域，背后正在做和将要做的是产业互联网的建立和升级。其中尤以工业互联网为代表的形态对人类生产生活造成的影响更为深远——人工智能在能源与制造领域的应用将彻底重塑人类工业文明。 将人工智能技术应用到核电工程领域一直是国内外相关领域研究人员重点关注的课题。早在1988年，美国橡树岭国家实验室仪控部门研究人员Robert E. Uhrig就在其发表的文章《Applications of Artificial Intelligence in The U.S. Nuclear Industry》里提到美国电力研究所（EPRI）计划论证AI在核电厂中的使用。 鉴于美国国家航空航天局（NASA）在系统自动化领域对AI核心技术有着多年的研究和一定成果，EPRI与NASA达成了相关协议，试图将部分经验成果转化到核电工业中。一些专业领域的供应商也提供了商业化的AI产品，以缩减正常运行工况下和事故工况下的操作员数量。不过当时人工智能技术水平还处于起步阶段，计算机的信息处理能力和计算能力太低，导致在技术选择上受到很大的制约，最终采用的方案是将专家系统添加到核电厂仪控系统中。在随后几十年的研究中，人工智能技术被越来越多的应用在系统、设备的状态监测和故障诊断等领域。但是在这个领域中，由于缺乏大量的故障样本数据，成熟的智能化诊断产品应用较少。 像前面我们提到的那样，在应用场景上，人工智能应用较为成熟的场景主要集中在安防产品、智能家居、娱乐营销、医疗、金融、零售、教育和交通等领域。通过进一步分析可发现，人工智能在这些领域中解决的关键问题主要集中在图像识别、人脸识别、语音识别、自然语言处理和大数据分析这样几种。人工智能在无人驾驶领域有着迅猛发展，相关的传感器、智能芯片研究都取得了很多成果。深度神经网络、深度卷积神经网络、对抗式神经网络等新型神经网络的提出突破了图片识别和语音识别的相关难点，大大提高了识别的准确率和识别速度。同时，这些领域可以提供大量的数据样本对神经网络进行训练、优化。这些优势是传统工业领域很难提供的。目前，科研人员研究人工智能技术在核电厂的应用过程中，往往面临的就是缺乏足够量级的数据对网络进行训练。核电厂大部分时间都处于正常运行工况，故障数据较少，甚至大部分假想故障从未发生。今天，这仍然是我们阻碍人工智能在核电工业领域应用发展的主要矛盾。 不过且慢，让我们先搁置一下眼前的困难，回到问题的本源。人工智能技术在核电工程中应用的前提，是我们理清在该领域想要实现什么样的最终目的。 核电工程领域引入人工智能技术不应仅仅是顺应时代在技术上进行革新，而更应该是改变理念，从顶层设计入手，以一种全新的思维方式深入到核电工程的各个环节，包括设计、制造、运行、维护和退役。人工智能技术在设计阶段可以优化系统、设备的设计；在制造阶段可以根据以往的数据采取最优化的方案对原材料采购、储存、人员配置、生产制造进度等方面进行统筹计划安排；在维护阶段主要是根据系统设备的监测数据和以往的维修记录，利用人工智能技术完成系统、设备的故障诊断和优化维护策略；在运行阶段主要应用在仪控系统和控制策略中。 目前针对核动力装置的控制还是一种跟随式、规程式的控制策略，控制策略灵活度不够。这种特点很难满足未来反应堆的小型模块化、多堆灵活组合的趋势。 智能化的仪控系统应该是以运行需求为导向，利用人工智能技术优化运行资源配置，并实时动态配置各系统设备运行参数，以各控制器相互协调的控制策略使核动力装置迅速、准确地达到需求的运行状态，而这整个过程（尽可能）无操纵员干预。另一方面，如果某些系统设备发生故障时，系统应立即监测到故障，并准确对故障进行定位和诊断，迅速对故障设备进行隔离，进而对整个核动力装置进行重配置，减少故障带来的影响。 近年来随着AI相关应用的不断出现，人工智能这一概念目前在各行业有着很高的热度，但这种繁荣中掺杂着一定的虚假繁荣”成分和“炒概念"的嫌疑。政策的支持，使很多人试图将自身的业务与人工智能挂钩，从而借此拉项目圈钱。个人愚见，这种想法不是在要钱是在要命。学科交叉有利于开拓思路、迂回突破瓶颈，但如果将弱相关甚至不相关的领域强行结合，其结果只能是牵强的类比，在高成本的堆砌下热闹一场，并无实际益处。 因此，我们还需保持冷静，理智分析人工智能目前的技术水平和未来的发展前景、方向，并对核电工程领域的需求进行全面梳理，以便在不同的场景、层级、阶段对人工智能技术的使用进行定位、布局和储备。 发展到今天，人工智能并非一蹴而就。从上世纪五六十年代到现在，起起落落好几次——起的原因是新模型、新理论的突破让所有人眼前一亮，落也无非是因为多年看不到实用的希望。简单说，人工智能就是人类要用计算设备构建出能够像智慧生物一样思考、分析、决策的智能体(Agent)。可是，模拟人的思维过程又谈何容易？毕竟我们用大脑去思考大脑是如何思考的，这本身就是一个最大的悖论。这需要哲学家、生物学家、神经科学家、认知科学家、心理学家、数学家、信息学家、计算科学家等一起，一点一点突破我们在相关领域的知识边界。事实证明，我们对神经系统每一次新的认识，都能推动人工智能一次大的发展——无论是对神经元的认知构建岀的人工神经元模型和人工神经网络模型，还是对视觉皮层的认知仿生构建了卷积神经网络……所以，人工智能的基础，最根本的，还是我们对智能的理解和对本我的认识。 总的来说，无论是人工智能技术本身，还是该技术应用、服务于核能领域，都还有广阔的空间和漫长的路。 最后，就用我很喜欢的凯鲁亚克的《在路上》的一句话作为结束语： “我们还有更长的路要走，不过没关系，道路就是生活。” 与君勉。 |
Powered by Discuz! X3.2 © 2001-2013 Comsenz Inc.
