ドラマ「チェルノブイリ」をきっかけに起こる技術的思考：次の核災害をどう回避するか？
アメリカのドラマ「チェルノブイリ」の人気により、視聴者に原発事故の恐怖が改めて感じられるようになった。人工知能技術を核防護と核の安全に適用することで、おそらく、核エネルギーの使用を「抑制」するために人工知能を合理的に利用することで、資源の価値が最大化されるであろう。
「ゲーム・オブ・スローンズ」はついにホンカイ・インパクト風のプロットで急いで終わった ドラマの世代がこのような結末を迎えるのは悲しいことだ。しかし、HBOは視聴者にリラックスする機会をあまり与えず、別の神聖なドラマが再び人々の目の前に現れました。
最近人気のアメリカドラマ「チェルノブイリ」は、まだ第3話（全5話）まで更新されたばかりだが、すでに主要評価サイトで満点を獲得し、たちまち数千人が求めるドラマとなった。
制作上の利点はともかく、チェルノブイリ原発事故そのものの話題性が人気の理由の一つであり、それは破滅的な原発事故の記憶を伝える作品だからである。
チェルノブイリ原子力発電所事故は、ウクライナがまだソ連の一部であった1986年4月26日にウクライナ北部で発生した。
この日、同発電所の４号機が爆発し、すべての原子炉が破壊され、大量の放射性物質が漏洩する原発時代最大の事故（レベル７）となった。放射線の危険は深刻で、事故の前後3か月以内に31人が死亡し、事故後15年間で6万人から8万人が死亡し、13万4千人がさまざまな程度の放射線疾患に苦しんだ。
原子力産業において、人工知能が安全保護を提供する方法はあるのでしょうか?
効率か安全かは決して選択の問題ではありません
重大な原子力発電所の事故は、甚大な災害を引き起こしました。しかし、原子力エネルギーは、世界の重要なエネルギー源の 1 つとして、依然としてその開発を探求する人々を惹きつけています。
原子力エネルギーの最も魅力的な点は、驚くべきエネルギーを持っていることです。1 キログラムのウラン 235 (一般的に使用される核燃料) の核分裂によって放出されるエネルギーは、2,700 トンの石炭の燃焼によって放出されるエネルギーに相当します。
しかし、エネルギーが大きければ大きいほど、制御不能性も大きくなり、一度制御不能になった場合に生じる被害も大きくなります。
過去の事故では、人間の不適切な操作が大きな部分を占めていました。したがって、技術をいかに活用してより安全な原子力利用を実現するかが最も喫緊の課題となっている。
自動展開や人工知能関連ソリューションの導入により、設備生産の安全性と安全性の監視を維持するという点で、原子力エネルギーをより従順な暴れ馬にする機会が得られます。
保護層の亀裂の早期検出: マシンビジョン
米国は世界最大の商用原子力発電供給国であり、電力の約20％を供給している。しかし、1952 年から 2010 年の間に、米国ではさまざまな程度の事故が 56 件発生し、そのうち 19 件は保護層の破裂または漏れに関連していました。修復費用は20億ドルに達した。
堅固であるべき保護部品は、経年劣化や亀裂、疲労、脆化、磨耗、腐食、酸化などのその他の理由により、機能が低下し、安全性が損なわれます。これはセキュリティに影を落としています。
この問題を解決するには。パデュー大学の研究チームは、CRAQ (亀裂識別および定量化) システムを開発しました。
このシステムは、グラフィックス処理と深層学習を組み合わせ、保護層ビデオの分析を使用して金属組織の変化を特定し、亀裂の問題を予測して対象とします。
原子炉は通常、冷却を維持するために水中に沈める必要があり、高温や放射線などの要因により原子炉のコンポーネントを手動で直接検査することはできません。インテリジェンスは、水中の原子炉表面を遠隔で記録したビデオを使用して亀裂を検出します。
しかし、純粋に手作業でのレビューには多大な作業量が必要であり、エラーが発生しやすいため、効率的な検出システムを開発するために、研究者らは原子力発電所の内部コンポーネントの水中標本 20 個のビデオを収集しました。サンプルは畳み込みニューラル ネットワークを使用して 1 秒あたり 30 フレームでスキャンされ、各フレームで亀裂がないか検査されます。
このアルゴリズムは、フレームごとに亀裂を観察し、カメラの移動による構成の変化を考慮して、亀裂の位置を正確に特定します。このアルゴリズムは、さまざまな角度から亀裂を精査する人間の視覚の能力をシミュレートし、写真の照明の影響を回避します。
この方法では、約 300,000 個の亀裂と非亀裂のデータセットを使用してモデルをテストします。テストの結果、CRAQ システムは亀裂の追跡において 98.3% の成功率を示しました。
モデルによって予測される放射線の分布
原子力発電所の稼働前にはあらゆるレベルで安全性の確認が行われていますが、予期せぬ要因による危険が発生した場合、経営陣はそれに対処するだけでなく、もう一つ重要な側面があります。タイムリーかつ合理的な方法で人々の避難を手配することです。
世界でもう一つのレベル７の原子力事故は、2011 年の日本の福島原子力発電所事故です。このような事故の影響を可能な限り小さくするために、機械学習やその他の関連テクノロジーは、核漏洩に対応した避難を支援するためにも使用されます。
2018年7月、東京大学の研究者らは、放射性物質の地理的分布を予測するための機械学習に基づく一連のツールを開発した。
原子力発電所の事故が発生し、放射性物質が放出された場合、近隣住民を一刻も早く避難させることが重要です。しかし、漏洩した放射性物質がどこに沈着するかを即座に予測することは難しく、人々を危険にさらすことは避けられません。
この研究チームは、気象シミュレーションによってマークされた地表付近の風況のデータセットを通じて機械学習モデルをトレーニングしており、アルゴリズムを使用して放射性物質がどこに分布するかを予測し、同時に伝播経路も予測することができます。
過去の気象パターン データを使用してトレーニングした後、このツールは一貫して 85% 以上の予測精度を達成し、冬季または予測可能な天候が優勢な場合には 95% の精度を達成しました。また、このモデルが 33 時間前に正確な判断を行えることも証明されました。
このシステムは、原発事故後の即時避難に役立ちます。災害発生時に、より的確な対策を講じるために。
人工知能が原子力をより安全にする
馬一龍氏はかつて会話の中で「AIは核兵器よりもはるかに危険だ」と語った。
原子力における現在の AI の利用に関しては、保護や安全性の検出ではなく、AI によって引き起こされる危険に重点が置かれています。
確かに兵器研究などに活用されれば、AIは大きな脅威となることは間違いない。しかし、この段階で忘れてはいけないのは、テクノロジーが使用される場所は完全に人間の責任です。
英国は、原子力発電所からの廃棄物の収集と処理の清掃にAIとロボットが使用されており、人間を危険にさらすこの作業は、新しいテクノロジーを使用して簡単に解決できると報告しました。これは核防護におけるAIの取り組みと同じであり、どちらも人々に原子力エネルギーの利用に対する安心感をもたらしている。
おそらく、適切な場所で使用される限り、AI は原子力エネルギーを抑制し、地球を守ることができるでしょう。