Αεροφωτογραφία του πυρηνικού σταθμού Diablo Canyon στην ακτή της Καλιφόρνιας

Η AI μπαίνει στους πυρηνικούς σταθμούς ως βοηθός των μηχανικών

Στον πυρηνικό σταθμό Diablo Canyon της Καλιφόρνιας, η τεχνητή νοημοσύνη έχει αναλάβει μια δουλειά που σπάνια εμφανίζεται στις φωτογραφίες των αντιδραστήρων: την αναζήτηση εγγράφων. Η PG&E έχει εγκαταστήσει τεχνολογία της Atomic Canyon για να βοηθά το προσωπικό να εντοπίζει πληροφορίες μέσα σε τεχνικά αρχεία, διαδικασίες και ιστορικά δεδομένα. Η εφαρμογή είχε ανακοινωθεί ήδη από τον Νοέμβριο του 2024. Ανακοίνωση της PG&E

Πλέον, η προσπάθεια επεκτείνεται πέρα από έναν σταθμό. Τον Αύγουστο του 2026 ανακοινώθηκε η ευρύτερη διάθεση του Nuclear Industry Virtual Assistant, γνωστού ως NIVA, ενός βοηθού σχεδιασμένου για τους επαγγελματίες της πυρηνικής ενέργειας.

Το ενδιαφέρον βρίσκεται στον συγκεκριμένο ρόλο που αποκτά η τεχνολογία. Οι εφαρμογές αυτές υποστηρίζουν την αναζήτηση και την επεξεργασία γνώσης. Το πρόσφατο ρεπορτάζ του IEEE Spectrum διευκρινίζει ότι οι βοηθοί που εξετάζει παραμένουν υπό ανθρώπινη εποπτεία και δεν αναλαμβάνουν τον έλεγχο της λειτουργίας των σταθμών. Ρεπορτάζ του IEEE Spectrum

Το NIVA επιχειρεί να κάνει προσβάσιμη τη γνώση δεκαετιών

Το NIVA αναπτύχθηκε από την Atomic Canyon σε συνεργασία με τρεις οργανισμούς του κλάδου: το Institute of Nuclear Power Operations, το Electric Power Research Institute και το Nuclear Energy Institute.

Η ανακοίνωση της 18ης Αυγούστου περιγράφει δύο αρχικές δυνατότητες: ερωτήσεις σε φυσική γλώσσα πάνω σε τεχνικό περιεχόμενο και αναζήτηση σχετικών αναφορών λειτουργικής εμπειρίας. Οι απαντήσεις συνοδεύονται από παραπομπές στα έγγραφα προέλευσης. Μια επιπλέον λειτουργία καθοδήγησης για την αντιμετώπιση τεχνικών προβλημάτων παρουσιαζόταν τότε ως υπό ανάπτυξη, με πιλοτική δοκιμή αργότερα μέσα στη χρονιά. Ανακοίνωση διάθεσης του NIVA

Αυτή η διάκριση είναι ουσιαστική. Ένα εργαλείο που βρίσκει προηγούμενες αναφορές δεν έχει απαραίτητα τις ίδιες δυνατότητες ή την ίδια ευθύνη με ένα σύστημα που προτείνει διαδοχικές ενέργειες συντήρησης.

Επίσης, η διαθεσιμότητα για επιλέξιμα μέλη των οργανισμών δεν αποδεικνύει ότι κάθε σταθμός χρησιμοποιεί ήδη το εργαλείο με τον ίδιο τρόπο. Για την πραγματική έκταση της υιοθέτησης χρειάζονται στοιχεία ενεργής χρήσης, πέρα από μια ανακοίνωση πρόσβασης.

Γιατί η αναζήτηση είναι δυσκολότερη από όσο φαίνεται

Ένας πυρηνικός σταθμός συγκεντρώνει τεχνική τεκμηρίωση επί δεκαετίες. Το ζητούμενο δεν είναι μόνο να υπάρχει η πληροφορία, αλλά να μπορεί ο κατάλληλος άνθρωπος να βρει την κατάλληλη έκδοσή της όταν τη χρειάζεται.

Μια αναζήτηση με λέξεις-κλειδιά μπορεί να επιστρέψει πολλά αποτελέσματα χωρίς να ξεχωρίζει όσα έχουν πραγματικά σχέση με το ερώτημα. Οι συντομογραφίες, οι διαφορετικές ονομασίες εξοπλισμού και τα σαρωμένα έγγραφα προσθέτουν δυσκολία.

Η PG&E περιγράφει μια προσέγγιση που συνδυάζει οπτική αναγνώριση χαρακτήρων, ώστε οι σαρωμένες σελίδες να γίνονται αναζητήσιμο κείμενο, με αναζήτηση AI και παραγωγή απαντήσεων βασισμένων σε ανακτημένα έγγραφα. Η εταιρεία είχε προβάλει ως στόχο τη μείωση ορισμένων αναζητήσεων από ώρες σε δευτερόλεπτα. Πρόκειται για εταιρικό ισχυρισμό, όχι για ανεξάρτητα επιβεβαιωμένο μέσο χρόνο εξοικονόμησης σε όλους τους σταθμούς.

Η πρακτική αξία είναι εύκολο να γίνει κατανοητή. Αν ένας μηχανικός εντοπίσει γρηγορότερα το σωστό ιστορικό, μπορεί να αφιερώσει περισσότερο χρόνο στην αξιολόγησή του. Το όφελος, όμως, εξαρτάται από το αν το αποτέλεσμα είναι πράγματι σχετικό και πλήρες.

Πώς ένα μοντέλο μαθαίνει την τεχνική γλώσσα

Πίσω από την τεχνολογία της Atomic Canyon βρίσκονται τα μοντέλα FERMI, τα οποία αναπτύχθηκαν με τη συνδρομή του Oak Ridge National Laboratory και του υπερυπολογιστή Frontier.

Σύμφωνα με το εργαστήριο, πρόκειται για μοντέλα αναπαράστασης προτάσεων, ή sentence embeddings. Μετατρέπουν το κείμενο σε αριθμητικές αναπαραστάσεις, ώστε το σύστημα να αναζητεί συνάφεια νοήματος και όχι μόνο ταύτιση λέξεων.

Για την εκπαίδευσή τους χρησιμοποιήθηκε υλικό από το ADAMS, το επίσημο σύστημα εγγράφων της αμερικανικής Nuclear Regulatory Commission. Το Oak Ridge αναφέρει περισσότερα από τρία εκατομμύρια έγγραφα και περίπου 53 εκατομμύρια σελίδες. Τεχνική παρουσίαση του Oak Ridge

Τα μοντέλα αυτά εξυπηρετούν κυρίως την ανάκτηση πληροφοριών. Ένα γλωσσικό μοντέλο μπορεί στη συνέχεια να χρησιμοποιήσει τα σχετικά αποσπάσματα για να συντάξει απάντηση — προσέγγιση γνωστή ως retrieval-augmented generation, ή RAG.

Η σωστή ανάκτηση είναι βασική προϋπόθεση. Αν το πρώτο στάδιο επιλέξει ακατάλληλα έγγραφα, ακόμη και μια καλογραμμένη περίληψη μπορεί να οδηγήσει τον αναγνώστη σε λάθος συμπέρασμα.

Οι παραπομπές επιτρέπουν έλεγχο, δεν εγγυώνται ορθότητα

Η εμφάνιση πηγών δίπλα σε μια απάντηση είναι χρήσιμη επειδή επιτρέπει στον μηχανικό να επιστρέψει στο αρχικό κείμενο. Δεν αρκεί, όμως, ως απόδειξη ότι η ερμηνεία είναι σωστή.

Ένα σύστημα μπορεί να παραπέμπει σε πραγματικό έγγραφο και παρ’ όλα αυτά να παραλείπει μια κρίσιμη προϋπόθεση. Μπορεί επίσης να συνδυάζει πληροφορίες που αφορούν διαφορετικές εκδόσεις εξοπλισμού ή διαφορετικές συνθήκες.

Ένα υποθετικό παράδειγμα δείχνει το πρόβλημα: η περιγραφή μιας επιτυχημένης επισκευής σε μια εγκατάσταση δεν μετατρέπεται αυτόματα σε κατάλληλη οδηγία για μια άλλη. Χρειάζεται έλεγχος του εξοπλισμού, των περιορισμών και των ισχυουσών διαδικασιών.

Γι’ αυτό η ποιότητα ενός τέτοιου βοηθού πρέπει να αξιολογείται πέρα από την ευχέρεια λόγου. Σημασία έχουν η ακρίβεια των παραπομπών, η αναγνώριση αβεβαιότητας και η δυνατότητα να δηλώνει ότι τα διαθέσιμα στοιχεία δεν επαρκούν.

Η ασφάλεια αφορά και τα δικαιώματα πρόσβασης

Στην πυρηνική βιομηχανία, η συγκέντρωση της πληροφορίας σε ένα εύχρηστο περιβάλλον δημιουργεί και υποχρεώσεις προστασίας της.

Το IEEE Spectrum αναφέρει ότι το NIVA διατηρεί τους περιορισμούς πρόσβασης των βάσεων στις οποίες αναζητεί πληροφορίες. Η ευκολία μιας συνομιλίας δεν πρέπει να δίνει σε έναν χρήστη πρόσβαση σε περιεχόμενο που δεν δικαιούται να διαβάσει.

Παράλληλα, το Oak Ridge περιγράφει έκδοση του Neutron Enterprise που λειτουργεί πίσω από το εταιρικό τείχος προστασίας. Αυτό αφορά τη συγκεκριμένη επιχειρησιακή εγκατάσταση και δεν σημαίνει ότι όλα τα προϊόντα του κλάδου έχουν ταυτόσημη αρχιτεκτονική.

Για τους οργανισμούς που υιοθετούν τέτοια συστήματα, χρειάζονται σαφείς απαντήσεις: ποια δεδομένα χρησιμοποιούνται, πού γίνεται η επεξεργασία και πώς ελέγχεται η πρόσβαση. Η ασφάλεια δεν προκύπτει απλώς επειδή το εργαλείο έχει εκπαιδευτεί σε εξειδικευμένη ορολογία.

Οι ρυθμιστικές αρχές εξετάζουν τη χρήση, όχι μόνο την τεχνολογία

Η NRC έχει αναπτύξει πρόγραμμα προετοιμασίας για την αξιολόγηση εφαρμογών AI στην πυρηνική βιομηχανία. Σε συνεργασία με τις αντίστοιχες αρχές του Καναδά και του Ηνωμένου Βασιλείου, δημοσίευσε το 2024 κοινές αρχές για την ανάπτυξη τέτοιων συστημάτων.

Η ίδια περιγράφει επίσης αξιολόγηση του υφιστάμενου κανονιστικού πλαισίου, η οποία κατέληξε ότι αυτό είναι γενικά επαρκές για να αντιμετωπίσει εφαρμογές AI, με επιμέρους ανάγκες διευκρίνισης. Αυτό δεν αποτελεί γενική έγκριση οποιουδήποτε προϊόντος ή οποιασδήποτε χρήσης. Η προσέγγιση της NRC

Το κρίσιμο ερώτημα παραμένει τι κάνει το σύστημα και ποιες συνέπειες μπορεί να έχει ένα λάθος του. Η αναζήτηση εγγράφων, η υποστήριξη μιας επιθεώρησης και η παρέμβαση σε εξοπλισμό απαιτούν διαφορετική αξιολόγηση.

Το πραγματικό κέρδος θα φανεί στην εργασία των ανθρώπων

Η είσοδος της AI στους πυρηνικούς σταθμούς προσφέρει ένα συγκεκριμένο πεδίο δοκιμής: μπορεί η τεχνολογία να μειώσει τον χρόνο που χάνεται στην αναζήτηση, διατηρώντας την αυστηρότητα του ελέγχου;

Οι ανακοινώσεις δείχνουν ότι τα εργαλεία περνούν από πιλοτικά προγράμματα σε ευρύτερη διάθεση. Στις πηγές που εξετάστηκαν, όμως, δεν παρουσιάζεται ανεξάρτητη αξιολόγηση που να αποδεικνύει ένα ενιαίο ποσοστό εξοικονόμησης χρόνου ή βελτίωσης της ασφάλειας για ολόκληρο τον κλάδο.

Το ουσιαστικό κριτήριο επιτυχίας θα είναι αν οι εργαζόμενοι βρίσκουν τα σωστά στοιχεία, κατανοούν τα όριά τους και μπορούν να τεκμηριώσουν τις αποφάσεις τους. Σε αυτό το περιβάλλον, μια απάντηση που επιτρέπει προσεκτικό έλεγχο αξίζει περισσότερο από μια απάντηση που απλώς ακούγεται βέβαιη.

Πηγές

ΣΧΕΤΙΚΑ ΑΡΘΡΑ