人工智能赋能核安全监管

人工智能赋能核安全生态环境部核与辐射安全中心汇报人：王晓峰2025.4 北 京技术革新与文明守护的双重使命AI是如何思考这个问题的？CONTENTS01 AI对AI赋能核安全监管的思考02 国际上核安全监管在AI的进展03 核安全监管信息化工作汇报04 面向未来的进化路径AI对AI赋能核安全监管的思考核安全：文明发展的关键命题文明演进的风险镜像人类文明的代际划分是基于能源的应用核物理本质上是对世界本源的探究传统核安全监管体系的三大瓶颈数据滞后性l 传统监管依赖人工采样，数据获取不及时，难以及时发现潜在风险。0102人力依赖性l 传统监管需要大量人力投入，且存在主观性和局限性，容易出现疏漏，成本高、效率低。03预测局限性l 传统监管多基于静态模型和历史经验进行风险评估和预测，对突发事故和新型风险的预测能力不足。辐射场动态建模通过整合来自不同类型传感器的数据，如辐射剂量率仪、气象传感器等，实现对辐射场信息的全面获取。不同传感器的数据具有互补性，融合后能更准确地反映辐射场的真实情况。多源传感器数据融合01、利用融合后的多源数据，实时生成三维辐射热力图。该图能直观展示辐射场的空间分布和动态变化，帮助监管人员快速掌握辐射场的整体情况，及时发现异常区域。三维辐射热力图实时生成技术02、AI技术驱动的监管范式革新设备老化智能预测模型•借助计算机视觉技术，对核设备表面的腐蚀和裂纹进行识别和量化分析。通过高精度的图像识别算法，能够准确测量腐蚀和裂纹的尺寸、深度等参数。基于计算机视觉的腐蚀裂纹量化评估1•根据量化评估得到的腐蚀裂纹数据，结合设备的材料特性、运行环境等因素，运用机器学习算法计算设备的剩余寿命。这有助于提前制定设备维护和更换计划，保障核设施的安全运行。剩余寿命计算2AI技术驱动的监管范式革新01核事故孪生演化模型综合考虑堆芯内的热传导、流体流动、化学反应等多物理场因素，对堆芯熔毁过程进行精确模拟。通过建立多物理场耦合模型，能够更真实地反映核事故的演化过程，为应急决策提供科学依据。堆芯熔毁过程的多物理场耦合模拟利用数字孪生模型，对不同的应急方案进行模拟推演。评估各种方案在不同事故场景下的有效性和可行性，帮助监管人员选择最优的应急方案，提高应对核事故的能力。应急方案推演02AI技术驱动的监管范式革新合规性智能审查引擎运用自然语言处理（NLP）技术，自动解析核安全相关的法规文件。提取关键信息和条款，建立法规知识库，为后续的监管文书审查提供基础。NLP自动解析法规文件根据解析后的法规文件，自动生成监管文书，并对文书内容进行校验。确保文书符合法规要求，实现监管文书生成和校验的自动化闭环，提高监管工作的效率和准确性。监管文书的生成 - 校验闭环AI技术驱动的监管范式革新工具理性与价值理性的永恒张力u当AI将核安全量化为概率模型，我们是否正在遗忘核技术对人类存在的根本性威胁？u算法优化会否遮蔽对“绝对安全不可能性”的敬畏？u为防范核风险而创造的超级监控系统，是否可能成为新形态的技术霸权？u当AI替代人类判断，监管者会否沦为算法的“执行器官”？核安全的终极悖论：人类文明的“普罗米修斯之痛”n 汉斯·约纳斯的责任伦理• AI的“概率思维”与责任伦理的“绝对命令”存在根本冲突。当算法计算出“可接受风险”（如0.01%的泄漏概率），人类是否有权为后代做此选择？n 贝克“风险社会”的再诠释• 核事故是“系统性人为不确定”的典型：AI试图用确定性建模对抗不确定性，就有可能制造“确定性幻觉”。福岛事故中，地震概率模型曾被视为安全依据，最终证明人类对复杂系统的认知存在根本局限。• 认知偏差的安全幻觉。当AI能预测99.9999%的事故，我们是否对0.0001%的剩余风险更加恐惧？安全的本质是技术还是人性？n 康德“人为自然立法”的困境u“人类为技术立法”，而AI系统正悄然成为新的“立法者”：通过数据训练形成的隐性规则，可能超出人类理解范围，其科学性如何评价。u当AI制定安全阈值，这是否构成对“人为自身立法”启蒙理想的背叛？n 唐娜·哈拉维的“赛博格”隐喻u核安全监管者已成为“赛博格”：人体与仪器融合，人脑与AI决策系统共生。这种融合模糊了传统的主体-客体边界。u传感器、算法、操作员共同构成监管“行动元”，人不再是唯一责任主体。u若AI误判导致事故，责任应归于：数据缺陷？算法偏见？执行人？国际上核安全监管在AI的进展世界主要核电国家和组织在AI方面的进展情况国家 / 组织政策文件技术应用监管创新国际合作 / 标准挑战与趋势IAEA- 《人工智能加速 “核” 的应用、科学与技术》（2022 年）- 《核安全文化》报告（2023 年）- 全球 AI 核安全数据库（2024 年上线）- 事故模拟与辐射防护 AI 工具推广- 制定 AI 应用 5 大场景分类标准- 建立跨国技术援助机制- 牵头制定《核领域 AI 应用安全导则》（2025 年发布）- 组织全球 AI 核安全竞赛- 成员国技术水平差异- 标准执行一致性挑战NEA- 《用于核工程科学计算的人工智能和机器学习基准》（2024 年）- 《核安全监管数字化转型路线图》（2024 年）- 核工程 AI 模型评估平台（覆盖 12 项指标）- 数字孪生技术标准化试点- 推动 “监管科技”（RegTech）应用- 建立 AI 监管案例库- 与 NRC、ONR 合作制定 AI 监管原则- 发布《核领域 AI 伦理指南》（2024 年）- 数据格式不兼容- 伦理框架全球化挑战美国- 《在核应用中开发人工智能系统的考虑因素》（2024 年 9 月，NRC 联合英加发布）- 《先进核能法案》（2024 年）- 《AI 系统故障安全协议》（2024 年 10 月）- 阿贡国家实验室 AI 分子动力学模拟平台缩短燃料研发周期- 田湾核电站智能诊断算法提升故障预测准确率 30%- NRC 成立人工智能管理委员会，开发 AI 工具分析运行数据- 2024 年通过机器学习识别 3 起设备故障风险- 主导 NEA《核工程科学计算 AI 基准》（2024 年）- 与英加联合制定 AI 全生命周期管理原则- 数据敏感性限制模型训练规模- 推动 “动态监管框架” 与 “预测性治理” 转型中国- 《关于进一步加强核电运行安全管理的指导意见》（2018 年）- 《核安全与放射性污染防治 “十四五” 规划》- 中国核动力研究设计院 PRID 平台实现设备状态实时监测（效率提升 40%）- 中核集团 ERDB 系统减少维修成本 20%- 华北核与辐射安全监督站建成核安全设备智慧监督平台（覆盖 12 家核设施）- 参与 IAEA《核领域 AI 应用安全导则》（2025 年草案）- 与法国共享华龙一号监管经验- 自主算法研发与国际标准接轨- 群堆协同运维技术突破国家 / 组织政策文件技术应用监管创新国际合作 / 标准挑战与趋势法国- 《欧盟人工智能法案》（2023 年，核安全列为 “高风险” 类别）- 《核安全与辐射防护监察长报告》（2023 年）- EDF 弗拉芒维尔 EPR 项目 AI 优化反应堆热效率 1.2%- ASN 参与 Nuward 小型堆 AI 非能动安全系统设计- 采用 “风险分级” 监管模式，要