2017年，國務院發布了《新一代人工智能發展規劃》，并責成各省、自治區、直轄市、國務院各部委、各直屬機構認真貫徹執行。
在“規劃”中，國家從戰略層面全面分析了當前我國在人工智能領域面臨的機會、挑戰，要求我們把握機遇，最終實現跨越式發展。同時，“規劃”中對人工智能的基礎理論、關鍵共性技術和基礎支撐平臺進行了詳細的梳理。
自1956年誕生，人工智能便受到了數學、信息學、計算科學、神經科學等不同領域多個學科專家學者的高度關注。進入21世紀后，相關理論歷經多年不斷完善，借助飛速發展的電子信息技術，人工智能也迎來了發展的高峰。伴隨這一熱詞的風靡全球，各類人工智能產品也開始落地。無論是當年IBM的深藍，還是谷歌旗下的阿爾法狗，都曾一戰成名，紅極一時。
總的來說，現代社會生活，已經被人工智能包圍了。可是，這樣就夠了么？不，遠遠不夠，畢竟工業領域和實體經濟還需要進一步提高效率。與互聯網發展相似，當我們認為手持智能手機、出門叫車滴滴、共享單車隨便騎、人臉識別過閘機已經是人工智能的偉大應用時，殊不知這才僅僅是消費互聯網領域，背后正在做和將要做的是產業互聯網的建立和升級。其中尤以工業互聯網為代表的形態對人類生產生活造成的影響更為深遠——人工智能在能源與制造領域的應用將徹底重塑人類工業文明。
將人工智能技術應用到核電工程領域一直是國內外相關領域研究人員重點關注的課題。早在1988年，美國橡樹嶺國家實驗室儀控部門研究人員Robert E. Uhrig就在其發表的文章《Applications of Artificial Intelligence in The U.S. Nuclear Industry》里提到美國電力研究所（EPRI）計劃論證AI在核電廠中的使用。
鑒于美國國家航空航天局（NASA）在系統自動化領域對AI核心技術有著多年的研究和一定成果，EPRI與NASA達成了相關協議，試圖將部分經驗成果轉化到核電工業中。一些專業領域的供應商也提供了商業化的AI產品，以縮減正常運行工況下和事故工況下的操作員數量。不過當時人工智能技術水平還處于起步階段，計算機的信息處理能力和計算能力太低，導致在技術選擇上受到很大的制約，最終采用的方案是將專家系統添加到核電廠儀控系統中。在隨后幾十年的研究中，人工智能技術被越來越多的應用在系統、設備的狀態監測和故障診斷等領域。但是在這個領域中，由于缺乏大量的故障樣本數據，成熟的智能化診斷產品應用較少。
像前面我們提到的那樣，在應用場景上，人工智能應用較為成熟的場景主要集中在安防產品、智能家居、娛樂營銷、醫療、金融、零售、教育和交通等領域。通過進一步分析可發現，人工智能在這些領域中解決的關鍵問題主要集中在圖像識別、人臉識別、語音識別、自然語言處理和大數據分析這樣幾種。人工智能在無人駕駛領域有著迅猛發展，相關的傳感器、智能芯片研究都取得了很多成果。深度神經網絡、深度卷積神經網絡、對抗式神經網絡等新型神經網絡的提出突破了圖片識別和語音識別的相關難點，大大提高了識別的準確率和識別速度。同時，這些領域可以提供大量的數據樣本對神經網絡進行訓練、優化。這些優勢是傳統工業領域很難提供的。目前，科研人員研究人工智能技術在核電廠的應用過程中，往往面臨的就是缺乏足夠量級的數據對網絡進行訓練。核電廠大部分時間都處于正常運行工況，故障數據較少，甚至大部分假想故障從未發生。今天，這仍然是我們阻礙人工智能在核電工業領域應用發展的主要矛盾。
不過且慢，讓我們先擱置一下眼前的困難，回到問題的本源。人工智能技術在核電工程中應用的前提，是我們理清在該領域想要實現什么樣的最終目的。
核電工程領域引入人工智能技術不應僅僅是順應時代在技術上進行革新，而更應該是改變理念，從頂層設計入手，以一種全新的思維方式深入到核電工程的各個環節，包括設計、制造、運行、維護和退役。人工智能技術在設計階段可以優化系統、設備的設計；在制造階段可以根據以往的數據采取最優化的方案對原材料采購、儲存、人員配置、生產制造進度等方面進行統籌計劃安排；在維護階段主要是根據系統設備的監測數據和以往的維修記錄，利用人工智能技術完成系統、設備的故障診斷和優化維護策略；在運行階段主要應用在儀控系統和控制策略中。
目前針對核動力裝置的控制還是一種跟隨式、規程式的控制策略，控制策略靈活度不夠。這種特點很難滿足未來反應堆的小型模塊化、多堆靈活組合的趨勢。
智能化的儀控系統應該是以運行需求為導向，利用人工智能技術優化運行資源配置，并實時動態配置各系統設備運行參數，以各控制器相互協調的控制策略使核動力裝置迅速、準確地達到需求的運行狀態，而這整個過程（盡可能）無操縱員干預。另一方面，如果某些系統設備發生故障時，系統應立即監測到故障，并準確對故障進行定位和診斷，迅速對故障設備進行隔離，進而對整個核動力裝置進行重配置，減少故障帶來的影響。
近年來隨著AI相關應用的不斷出現，人工智能這一概念目前在各行業有著很高的熱度，但這種繁榮中摻雜著一定的虛假繁榮”成分和“炒概念"的嫌疑。政策的支持，使很多人試圖將自身的業務與人工智能掛鉤，從而借此拉項目圈錢。個人愚見，這種想法不是在要錢是在要命。學科交叉有利于開拓思路、迂回突破瓶頸，但如果將弱相關甚至不相關的領域強行結合，其結果只能是牽強的類比，在高成本的堆砌下熱鬧一場，并無實際益處。
因此，我們還需保持冷靜，理智分析人工智能目前的技術水平和未來的發展前景、方向，并對核電工程領域的需求進行全面梳理，以便在不同的場景、層級、階段對人工智能技術的使用進行定位、布局和儲備。
發展到今天，人工智能并非一蹴而就。從上世紀五六十年代到現在，起起落落好幾次——起的原因是新模型、新理論的突破讓所有人眼前一亮，落也無非是因為多年看不到實用的希望。簡單說，人工智能就是人類要用計算設備構建出能夠像智慧生物一樣思考、分析、決策的智能體(Agent)。可是，模擬人的思維過程又談何容易？畢竟我們用大腦去思考大腦是如何思考的，這本身就是一個最大的悖論。這需要哲學家、生物學家、神經科學家、認知科學家、心理學家、數學家、信息學家、計算科學家等一起，一點一點突破我們在相關領域的知識邊界。事實證明，我們對神經系統每一次新的認識，都能推動人工智能一次大的發展——無論是對神經元的認知構建岀的人工神經元模型和人工神經網絡模型，還是對視覺皮層的認知仿生構建了卷積神經網絡……所以，人工智能的基礎，最根本的，還是我們對智能的理解和對本我的認識。
總的來說，無論是人工智能技術本身，還是該技術應用、服務于核能領域，都還有廣闊的空間和漫長的路。
最后，就用我很喜歡的凱魯亞克的《在路上》的一句話作為結束語：
“我們還有更長的路要走，不過沒關系，道路就是生活。”
與君勉。
