الملخص:
تعمل صناعة الطاقة النووية في الولايات المتحدة على تسريع وتيرة تطبيق تكنولوجيا الذكاء الاصطناعي. على الرغم من أن محطات الطاقة النووية معروفة منذ فترة طويلة بإشرافها الصارم، وصنع القرار الحكيم ومعايير السلامة العالية للغاية، فقد بدأ جيل جديد من مساعدي الذكاء الاصطناعي في دخول سير العمل اليومي لشركات الطاقة النووية، لمساعدة الموظفين على استرداد المعلومات الفنية، ومعالجة الوثائق التنظيمية، وتحليل سجلات فشل المعدات، وإيجاد حلول للمشاكل من عقود من الخبرة التشغيلية المتراكمة.
وفقًا لـ "IEEE Spectrum"، ستتاح الفرصة لجميع المفاعلات النووية العاملة البالغ عددها 94 مفاعلًا في الولايات المتحدة تقريبًا لإدخال تكنولوجيا الذكاء الاصطناعي في عام 2026، وقد قبل معظمها بالفعل الخطط ذات الصلة. وعلى عكس ما قد يتصور المرء، فإن أنظمة الذكاء الاصطناعي الحالية لا تتحكم بشكل مباشر في المفاعلات أو تحدد كيفية تشغيل محطات الطاقة النووية. وبدلاً من ذلك، فهي تعمل في المقام الأول كأدوات مساعدة للمهندسين والفنيين، مما يساعدهم على معالجة المعلومات المعقدة بسرعة أكبر.
يرتبط هذا التغيير بشكل وثيق بالضغوط الحقيقية التي تواجهها صناعة الطاقة النووية في الولايات المتحدة. فمن ناحية، ومع التوسع السريع لمراكز بيانات الذكاء الاصطناعي والطلب المتزايد على الكهرباء المستقرة والمستمرة ومنخفضة الكربون في الولايات المتحدة، استعادت الطاقة النووية اهتمام شركات التكنولوجيا الكبرى وشركات الطاقة. ومن ناحية أخرى، فإن جزءًا كبيرًا من منشآت الطاقة النووية الموجودة في الولايات المتحدة ظل قيد التشغيل لسنوات عديدة. أصبحت صيانة المعدات، والامتثال التنظيمي، وتحديثات التكنولوجيا مرهقة بشكل متزايد، ومن الصعب بشكل متزايد تجديد الموظفين بالمعرفة المتخصصة.
يجب على شركات الطاقة النووية التعامل مع عدد كبير من المتطلبات الفنية والإجراءات التنظيمية المعقدة. يجب تقييم كل قرار هندسي رئيسي والتحقق منه وفحصه بشكل مستقل، وتتطلب صيانة المعدات الرجوع إلى السجلات التاريخية الشاملة والمواصفات الفنية. وفي الوقت نفسه، كانت صناعة الطاقة النووية في الولايات المتحدة تعاني من نقص مشاريع المفاعلات الجديدة لفترة طويلة، مما أدى إلى عدم دخول بعض المتخصصين في هذا المجال. لقد تقاعد العديد من الفنيين ذوي الخبرة تدريجياً. تواجه الصناعة تحديات مزدوجة تتمثل في فقدان المعرفة المهنية ونقص العمالة.
قال جيرولد فنسنت، المؤسس المشارك والمدير المالي لشركة Nuclearn، وهي شركة ناشئة تعمل في مجال الذكاء الاصطناعي في مجال الطاقة النووية، إن ضغط الموظفين الحالي في صناعة الطاقة النووية بارز للغاية. حتى لو قامت بعض الشركات بتعيين وظائف ذات صلة بشكل علني، فمن الصعب العثور على مرشحين مناسبين، ولكن لن يتم تقليل المتطلبات التنظيمية وأعمال الصيانة اليومية. ومن المتوقع أن يساعد الذكاء الاصطناعي الموظفين الحاليين على أن يصبحوا أكثر كفاءة، مما يسمح للموارد البشرية المحدودة بتولي المزيد من العمل.
يعتقد فينسنت أن تعقيد صناعة الطاقة النووية يوفر مكانًا للذكاء الاصطناعي. تحتاج محطات الطاقة النووية إلى الامتثال لعدد كبير من اللوائح، وإدارة أنظمة المعدات المعقدة، والتسجيل المستمر لعمليات الصيانة والإصلاح واستكشاف الأخطاء وإصلاحها. تتضمن هذه الوظائف كميات كبيرة من النصوص والوثائق الفنية والحالات التاريخية، وهي بالضبط المهام كثيفة المعلومات التي يجيد الذكاء الاصطناعي التعامل معها.
في الوقت الحالي، يعد Atomic Canyon وNuclearn من اللاعبين المهمين في هذا المجال.
أطلقت شركة Atomic Canyon، ومقرها كاليفورنيا، NIVA، المساعد الافتراضي للصناعة النووية، في أغسطس 2026. وتم تجربة النظام، الذي تم تطويره بالشراكة مع العديد من منظمات صناعة الطاقة النووية، في محطات الطاقة النووية التي تديرها شركة Constellation Energy وهو متاح الآن لأسطول المفاعلات النووية الأمريكي بأكمله.
وقالت شركة Nuclearn إن منتجاتها تُستخدم في أعمال أكثر من 65 شريكًا في الولايات المتحدة. ويتراوح هؤلاء الشركاء من منشآت الطاقة النووية التقليدية إلى الشركات التي تعمل على تطوير تكنولوجيا المفاعلات النووية الصغيرة المتقدمة. كما أجرت الشركة أيضًا أعمال التكامل ذات الصلة مع شركة NuScale Power Corporation.
تستكشف Microsoft وNvidia أيضًا الجمع بين الذكاء الاصطناعي وصناعة الطاقة النووية، على أمل استخدام الذكاء الاصطناعي لتحسين دورة الحياة الكاملة لمحطات الطاقة النووية، بما في ذلك اختيار الموقع والتصميم والبناء والتشغيل والإدارة على المدى الطويل.
تعكس هذه المشاريع اتجاها واضحا بشكل متزايد: تحتاج شركات الذكاء الاصطناعي إلى طاقة أكثر استقرارا لدعم مراكز البيانات، في حين تأمل صناعة الطاقة النووية في استخدام الذكاء الاصطناعي للتخفيف من النقص في المواهب المهنية، والحد من تكاليف استرجاع المعلومات، وتحسين الكفاءة التشغيلية. تشكل احتياجات كلا الطرفين علاقة تعزيز متبادلة.
بالنسبة لمحطات الطاقة النووية، فإن إحدى القيم المباشرة للذكاء الاصطناعي هي تسهيل الحصول على المعرفة التقنية المتناثرة في ملفات ضخمة.
لفترة طويلة، جمعت محطات الطاقة النووية عددًا كبيرًا من إجراءات التشغيل وأدلة الصيانة والبيانات الفنية للمعدات وتوصيات السلامة وتقارير الحوادث. ومع ذلك، غالبًا ما تكون هذه المعلومات متناثرة عبر قواعد بيانات وأنظمة توثيق مختلفة بتنسيقات غير متسقة، مما يجعل استرجاعها صعبًا. حتى لو كانت الإجابات موجودة بالفعل داخل المؤسسة، فقد يستغرق الأمر وقتًا طويلاً من المهندسين للعثور على المعلومات المفيدة بالفعل.
لقد دفعت هذه المشكلة العديد من المجموعات غير الربحية في صناعة الطاقة النووية إلى البدء في الضغط من أجل تكامل البيانات. في عام 2025، بدأت مؤسسات مثل معهد أبحاث عمليات الطاقة النووية الأمريكي، ومعهد أبحاث الطاقة الكهربائية، ومعهد أبحاث الطاقة النووية في إنشاء المزيد من موارد البيانات الموحدة لتهيئة الظروف لتطوير مساعدي الذكاء الاصطناعي الذين يمكنهم استرجاع المعرفة حول صناعة الطاقة النووية بشكل فعال.
قال روب أوستن، المسؤول عن مشروع NIVA في معهد أبحاث الطاقة الكهربائية بالولايات المتحدة، إن هناك فرصة مهمة للعمل ذي الصلة جاءت من التحدي الذي أثاره جوزيف دومينغيز، رئيس شركة Constellation Energy: ما إذا كان من الممكن توفير المعرفة التقنية المتراكمة في صناعة الطاقة النووية لعقود من الزمن للعمال بطريقة مشابهة لـ ChatGPT أو Copilot أو Gemini، مع ضمان حماية البيانات الحساسة.
فاز Atomic Canyon بالمشروع في النهاية. لكي يتمكن الذكاء الاصطناعي من فهم المصطلحات التقنية الفريدة ومواصفات التشغيل والمتطلبات التنظيمية لصناعة الطاقة النووية، قامت الشركة أولاً بتنزيل ما يقرب من 53 مليون صفحة من المعلومات المقدمة علنًا من قبل لجنة التنظيم النووي الأمريكية، وعملت مع مختبر أوك ريدج الوطني لتطوير نموذج ذكاء اصطناعي مخصص لمجال الطاقة النووية.
وقال تري لودرديل، الرئيس التنفيذي لشركة Atomic Canyon، إن القدرة المهمة لهذا النوع من النماذج هي فهم اللغة المهنية لصناعة الطاقة النووية نفسها. يحتوي مجال الطاقة النووية على عدد كبير من المصطلحات والتعابير ذات المعاني المحددة. على الرغم من أن الذكاء الاصطناعي العام يمكنه معالجة النص العادي، إلا أنه قد لا يكون قادرًا على فهم جميع السياقات المهنية بدقة. لذلك، يحتاج فريق التطوير إلى السماح للنموذج بتعلم كيفية تحديد المفاهيم والمصطلحات والعلاقات في المستندات الفنية للطاقة النووية.
بعد تدريب خاص، يمكن للموظفين طرح الأسئلة من خلال اللغة الطبيعية والسماح للنظام بالعثور على الإجابات من خلال كمية كبيرة من البيانات التاريخية. سواء كان ذلك من خلال ملء الملفات التنظيمية، أو شراء الأدوات والمواد المناسبة، أو التحقيق في سبب عطل إحدى المعدات، يمكن للذكاء الاصطناعي أن يساعد في استرداد السجلات ذات الصلة، مما يقلل الوقت الذي يقضيه العمال في البحث بين قواعد البيانات المختلفة.
على سبيل المثال، قد تكون مضخات المياه العمودية الكبيرة المستخدمة في محطات الطاقة النووية بارتفاع عدة طوابق، ومجهزة بمحركات كهربائية قادرة على آلاف الأحصنة، وتكون مسؤولة عن نقل كميات كبيرة من مياه التبريد. عندما يحدث خطأ ما في مثل هذه المعدات، يحتاج المهندسون إلى الرجوع إلى أدلة الصيانة والمواصفات الفنية والأعطال المماثلة التي حدثت في محطات الطاقة النووية الأخرى في الماضي.
يحتفظ معهد أبحاث الطاقة الكهربائية بإرشادات الصيانة للمعدات ذات الصلة، بينما قام المعهد الوطني لعمليات الطاقة النووية بتجميع عشرات الآلاف من تقارير الحوادث والحالات الشاذة التشغيلية. في مواجهة قاعدة البيانات الضخمة هذه، يمكن للذكاء الاصطناعي تجميع معلومات متفرقة، وتلخيص أنواع الأعطال الأكثر شيوعًا لمضخة مياه معينة، وفرز طرق استكشاف الأخطاء وإصلاحها والإصلاح السابقة.
يمكن للمهندسين أيضًا أن يتساءلوا عما إذا كانت محطات الطاقة النووية الأخرى تستخدم نفس النوع من المكونات، وما إذا كانت قد واجهت مشاكل مماثلة، وما هي الحلول التي تم اتخاذها في ذلك الوقت.
المفتاح هو أن هذه الأنظمة لا تحتاج فقط إلى تقديم إجابة، بل يجب عليها أيضًا تحديد البيانات التي جاءت منها الإجابة. ويجب أن يكون المهندسون قادرين على تتبع الوثائق الفنية والسجلات التاريخية التي يعتمد عليها الذكاء الاصطناعي للتحقق بشكل مستقل من استنتاجاته، بدلاً من مجرد قبول إجابة لا يمكن التحقق منها.
تصف شركة Nuclearn منتجاتها ذات الصلة بأنها مساعدات ذكاء اصطناعي لصناعة الطاقة النووية. يمكن لنظام AI للمعدات الذي توفره الشركة الإجابة على الأسئلة حول تشغيل معدات الطاقة النووية وإنشاء معلومات مرجعية باستخدام عقود من الخبرة المتراكمة في الصناعة. ويعتقد فنسنت، المؤسس المشارك لشركة نوكليرن، أن هذه الاستعارة ليست شائنة إذا فُهمت على أنها ChatGPT مخصصة لصناعة الطاقة النووية.
ومع ذلك، فإن إدخال الذكاء الاصطناعي في صناعة الطاقة النووية يواجه أيضًا عقبة خاصة: أمن البيانات.
لا تتضمن البيانات الفنية لمحطات الطاقة النووية المعلومات الداخلية للشركة فحسب، بل إن بعض المحتوى محمي أيضًا بموجب القوانين الفيدرالية الأمريكية وأنظمة السلامة ذات الصلة. حتى لو كان الذكاء الاصطناعي جيدًا في استرجاع المستندات وتلخيصها، فلا يمكن استخدامه لتحميل البيانات الحساسة إلى خوادم خارجية أو السماح بالوصول إلى الأشخاص دون الأذونات المناسبة.
من أجل حل هذه المشكلة، تعتمد الحلول ذات الصلة التي تقدمها شركة Nuclearn نموذج نشر منشأة واحدة، بحيث يمكن أن تبقى بيانات محطة الطاقة النووية محليًا دون مغادرة المنشأة.
تتبع NIVA نظام حقوق الوصول إلى البيانات الحالي. وفقًا لأوستن، يمكن للنظام فقط استرداد قواعد البيانات التي يمكن للمستخدمين الوصول إليها بالفعل، ولا تزال التصاريح الأمنية الأصلية على مستوى محطة الطاقة النووية وقيود الوصول سارية. لا يتمكن الذكاء الاصطناعي من الوصول تلقائيًا إلى المعلومات الحساسة لمجرد أنه يستطيع فهم اللغة الطبيعية.
يعني هذا التصميم أن الذكاء الاصطناعي لا يحل محل نظام الأمان الأصلي لصناعة الطاقة النووية، ولكنه يحسن طريقة الحصول على المعلومات ضمن إطار السلطة الحالي. يمكن أن يساعد المهندسين في العثور على المعلومات بشكل أسرع، لكنه لا يمكنه تجاوز الضوابط التي تفرضها محطات الطاقة النووية على الوصول إلى الأشخاص والبيانات والمعدات.
قد يتوسع نطاق تطبيق الذكاء الاصطناعي بشكل أكبر في المستقبل، ولكن بدءًا من استرجاع المستندات وفحص المعدات وحتى المشاركة المباشرة في قرارات تشغيل محطات الطاقة النووية، لا تزال هناك عتبات واضحة تتعلق بالسلامة والتنظيم.
يقوم معهد أبحاث الطاقة الكهربائية باختبار مشروع تجريبي باستخدام الذكاء الاصطناعي للمساعدة في فحص جودة اللحام. تحتوي محطات الطاقة النووية على العديد من اللحامات التي يجب فحصها للتأكد من جودتها وموثوقيتها على المدى الطويل. تتطلب أعمال التفتيش التقليدية من المتخصصين تقييم واحدًا تلو الآخر، كما تولد عملية التفتيش أيضًا كمية كبيرة من البيانات.
يستكشف الباحثون ما إذا كان الذكاء الاصطناعي قادرًا على تحليل سجلات التفتيش هذه وتحديد المجالات التي تستحق المزيد من الاهتمام، وبالتالي مساعدة المفتشين على تخصيص وقتهم وطاقتهم بشكل أكثر كفاءة.
ومع ذلك، لا يزال المشروع يحتفظ بعملية المراجعة اليدوية. يجب مراجعة جميع التوصيات التي قدمها الذكاء الاصطناعي من قبل مفتشين بشريين، ولا تسمح أي محطة للطاقة النووية حاليًا للذكاء الاصطناعي بتولي أعمال التفتيش ذات الصلة بشكل كامل.
تكمن أهمية هذه التجربة في أنها تبدأ في توسيع نطاق الذكاء الاصطناعي تدريجيًا من مجرد أداة لاسترجاع الملفات إلى المهام المساعدة المتعلقة بالصيانة الفعلية للمعدات. لكن هذا لا يعني أن الذكاء الاصطناعي مُنح سلطة فحص المعدات بشكل مستقل أو اتخاذ قرار بشأن الإصلاحات.
بالنسبة لمزيد من التطبيقات، أي السماح للذكاء الاصطناعي بالمشاركة بشكل مباشر في التحكم في تشغيل المفاعل، لا يزال المطلعون على الصناعة حذرين للغاية.
وقال لودرديل إنه كان من الصعب عليه أن يتخيل قدرة الذكاء الاصطناعي على تحديد كيفية إدارة محطة للطاقة النووية بشكل مستقل، على المدى القصير والطويل. تخضع صناعة الطاقة النووية لقواعد تنظيمية عالية وأي قرارات يمكن أن تؤثر على تشغيل المرافق تنطوي على مخاطر كبيرة، لذلك ستظل الرقابة البشرية لا غنى عنها لبعض الوقت.
يعكس هذا أيضًا الفرق بين صناعة الطاقة النووية والعديد من مجالات الأعمال العادية في استخدام الذكاء الاصطناعي. في بيئة مكتبية عامة، قد يؤدي إنشاء الذكاء الاصطناعي لملخصات غير صحيحة أو تقديم توصيات غير دقيقة إلا إلى فقدان الكفاءة؛ ولكن في منشأة عالية المخاطر مثل محطة الطاقة النووية، يجب التحقق بشكل كامل من أي معلومات غير صحيحة فيما يتعلق بحالة المعدات أو إجراءات التشغيل أو متطلبات السلامة.
لذلك، تفضل صناعة الطاقة النووية الحالية استخدام الذكاء الاصطناعي أولاً في العمل حيث يمكن التحكم في المخاطر نسبيًا، مثل استرجاع المستندات الفنية، وتنظيم الحالات التاريخية، والمساعدة في ملء المستندات التنظيمية، ومساعدة المهندسين على اكتشاف المشكلات التي تتطلب مزيدًا من التحقيق. فالذكاء الاصطناعي مسؤول عن تقديم المعلومات والتوصيات، في حين يستمر العاملون في مجال البشر في تحمل مسؤولية التحقق والحكم واتخاذ القرار.
على المدى الطويل، قد يساعد الذكاء الاصطناعي أيضًا صناعة الطاقة النووية الأمريكية في الحفاظ على الخبرة التي تخسرها. لا توجد الكثير من الخبرة في الأدلة الفنية الرسمية فحسب، بل تنعكس أيضًا في تراكم أعطال المعدات وعمليات الصيانة والمواقف غير الطبيعية للموظفين على المدى الطويل. إذا أمكن حفظ هذه التجارب من خلال نظام بيانات موحد واسترجاعها وتنظيمها بشكل فعال بواسطة الذكاء الاصطناعي، فستتاح لجيل جديد من الفنيين الفرصة للوصول بسهولة أكبر إلى المعرفة الصناعية التي تشكلت في العقود القليلة الماضية.
وقد تصبح هذه القدرة ذات أهمية متزايدة مع تجديد الولايات المتحدة لجهودها في مجال الطاقة النووية. وتتطلب المفاعلات الجديدة عدداً كبيراً من الموظفين المتخصصين، ويجب على محطات الطاقة النووية القائمة أيضاً أن تتعامل مع المعدات القديمة، وتقاعد الموظفين، وزيادة مهام الصيانة مع الحفاظ على العمليات الآمنة. إن مجرد الاعتماد على توظيف المزيد من المهندسين قد لا يحل هذه الصعوبات بسرعة.
لا يمكن للذكاء الاصطناعي أن يحل محل المسؤوليات المهنية لمهندسي الطاقة النووية، ولا يمكنه القضاء على تعقيد تشغيل منشآت الطاقة النووية نفسها، ولكن من المتوقع أن يحسن كفاءة الصناعة في استخدام المعرفة الحالية، مما يسمح للمهنيين المحدودين بالعثور على المعلومات المطلوبة بشكل أسرع وتخصيص المزيد من الوقت للعمل الذي يتطلب حقًا الحكم البشري.
بالنسبة لصناعة أعطت الأولوية لفترة طويلة للحذر والسلامة، فإن دخول الذكاء الاصطناعي إلى محطات الطاقة النووية لا يعني أن الآلات على وشك الاستيلاء على المفاعلات. التغيير الأكثر واقعية هو أن المهندسين يحصلون على أداة جديدة للعثور على الإجابات بشكل أسرع من خلال عشرات الملايين من الصفحات من المعلومات التقنية وعقود من الخبرة التشغيلية. وفي الوقت الذي تواجه فيه صناعة الطاقة النووية الضغوط المزدوجة المتمثلة في الطلب المتزايد على الطاقة ونقص المواهب المهنية، قد يصبح هذا التغيير قوة مساعدة مهمة في تعزيز إحياء صناعة الطاقة النووية في الولايات المتحدة.
التعليقات