随着人工智能和机器学习工具在各种产品和行业中的应用越来越广泛，美国核管会（NRC）已开始研究这些技术在商业核电运营中可以发挥什么作用。年4月21日，作为其研究的一部分，NRC的核监管研究办公室就这些技术“在核电运营和工厂管理的各个阶段”的作用公开征求意见。公开征求意见的截止日期是年5月21日。NRC正处于研究的早期阶段，并不承诺在任何正式监管行动中使用所收集的信息。

NRC就以下各方面征求意见：

商业核电行业为改善核电站设计、运营、维护或退役，在开发或使用人工智能/机器学习工具方面的现状如何？正在使用或开发哪些工具？目前正在开发的工具预计何时投入使用？

商业核反应堆运行和管理在哪些领域将从人工智能/机器学习的实施中受益最多，哪些受益最少？

在（a）设计或操作自动化；（b）预防性维护趋势和（c）改善反应堆操作人员的生产力方面，纳入人工智能/机器学习对商业核电运营有什么潜在好处？

哪些人工智能/机器学习方法目前正在使用或将在不久的将来用于商业核电站管理和运营？例如人工神经网络、决策树、聚类算法、降维算法、数据挖掘和内容分析工具、自然语言处理和图像数字化。

对于自上而下推动在广泛的一般应用中开发和实施人工智能/机器学习的战略，相比临时性、逐案、有针对性的开发和实施，各自有什么优势或劣势？

关于人工智能/机器学习，在商业核电行业，其目前的技术推广处于什么阶段？

在将人工智能/机器学习整合到运营决策和工作流程管理中时，在平衡人工智能/机器学习工具开发和应用的相关成本与工厂运营和工程效益方面存在哪些挑战？

商业核电行业的人工智能/机器学习专业知识的一般水平如何？

人工智能/机器学习将如何影响商业核电行业的效率、成本及与其它电源相比的竞争定位？

人工智能/机器学习是否有可能提高核监管监督的效率和/或有效性，或以其它方式影响与安全监督有关的监管成本？

人工智能/机器学习通常需要创建、传输和评估大量的数据。对于可能存储在远程异地网络中的专有核电站运行经验和设计信息，存在数据安全方面的哪些担忧？

ALEXPOLONSKY

合伙人，华盛顿

点击阅读原文查看全文

上海

北京

香港

长按