عشق ورزی هوش مصنوعی به صنعت هسته‌ای

شرکت‌هایی که با عمق به هوش مصنوعی پرداخته‌اند، از انرژی هسته‌ای و وعده برق ۲۴/۷ آن دل‌باخته‌اند. شرکت‌هایی مانند Meta، Google و Microsoft همگی قراردادهایی با استارت‌آپ‌ها یا اپراتورهای رآکتور منعقد کرده‌اند. اما آیا صنعت هسته‌ای هم علاقه‌مند به هوش مصنوعی است؟

پاسخ مثبت است، البته با ملاحظاتی.

هیچ‌کس پیشنهاد نمی‌کند که یک هوش مصنوعی کل یک رآکتور را راه‌اندازی کند، اما شرکت‌های برق به طور فزاینده‌ای به پتانسیل این فناوری در بهبود فرآیندهای تجاری علاقه‌مند هستند. Bradley Fox، یکی از بنیانگذاران و مدیر عامل Nuclearn به TechCrunch گفت.

Fox و Jerrold Vincent شرکت Nuclearn را برای بهره‌برداری از این علاقه تأسیس کردند. این شرکت می‌گوید ابزارهای هوش مصنوعی آن در بیش از ۶۵ رآکتور هسته‌ای در سراسر جهان استفاده می‌شود.

این شرکت اخیراً موفق به جذب سرمایه ۱۰.۵ میلیون دلار در راند سری A، به رهبری Blue Bear Capital و با مشارکت AZ-VC، Nucleation Capital و SJF Ventures شد.

Nuclearn فعالیت خود را زمانی آغاز کرد که بنیانگذاران آن در Palo Verde Nuclear Generating Station در غرب Phoenix کار می‌کردند. آن‌ها در حال آزمایش روش‌هایی برای ساده‌سازی وظایف تکراری از دیدگاه داده‌کاوی و سپس مدل‌های پیشرفته هوش مصنوعی بودند.

به زودی سایر رآکتورها متوجه شدند. فاکس گفت: "می‌توانید برای کارخانه من همان کاری که برای Palo Verde انجام داده‌اید، بکنید؟"

Nuclearn مدل‌هایی توسعه داده است که بر روی اصطلاحات خاص صنعت هسته‌ای آموزش دیده‌اند. شرکت می‌تواند مدل‌های سفارشی برای شرکت‌های نیرو و ارائه دهندگان برق طراحی کند و در حالی که نرم‌افزار آن‌ها در ابر اجرا می‌شود، می‌تواند به رآکتورها برای راه‌اندازی سخت‌افزار در سایت کمک کند اگر پروتکل‌های امنیتی‌شان آن را ایجاب کند.

نرم‌افزار این استارتاپ قادر به تولید اسناد روتین است که سپس کارکنان رآکتور آن‌ها را بررسی و تأیید می‌کنند.

"اکثر AI‌ها در صنعت اکنون، کمیسیون نظارت بر انرژی هسته‌ای آن را به عنوان یک ابزار در نظر می‌گیرد. این به همان صورت است که شما می‌خواهید از Excel یا Mathematica یا نوعی نرم‌افزار مهندسی استفاده کنید،" فوکس گفت. "مسئولیت همیشه با یک فرد است."

اپراتورهای رآکتور می‌توانند آستانه‌هایی را برای میزان خودکارسازی بسته به سطح راحتی و اطمینان خود در مورد توانایی مدل در مقابله با مشکل تعیین کنند.

"اگر مدل نداند یا ما مطمئن نباشیم، بر اساس تنظیماتی که انتخاب کرده‌اید، آن را به افراد مناسب برگشت می‌دهیم و دو بار بررسی می‌کنیم،" فوکس گفت. "ما به مشتریان می‌گوییم، 'این را به عنوان یک کارمند تازه‌کار در نظر بگیرید.'"