Искусственный интеллект стремительно проникает в атомную отрасль — от проектирования и контроля качества до анализа данных на действующих энергоблоках. Но чем выше ответственность систем, тем строже требования к их предсказуемости, управляемости и прозрачности. О том, как отрасль ищет баланс между эффективностью и безопасностью, какие решения уже внедрены в России и за рубежом, почему автономность алгоритмов остается под запретом, — читайте в материале.
Общие подходы к ИИ и отношение МАГАТЭ
Эксперт: Игорь Скобелев, генеральный директор ЧУ «Цифрум»
В атомной энергетике на сегодняшний день используется «слабый» или узкоспециализированный ИИ — алгоритмы машинного обучения и аналитические инструменты, ориентированные на конкретные задачи. Среди ключевых направлений его применения:
- диагностика технического состояния оборудования на основе анализа данных с датчиков в реальном времени;
- предиктивное обслуживание (predictive maintenance) — прогнозирование будущих отказов и износа технологического оборудования, что позволяет планировать ремонт заранее и снижать простои;
- анализ радиационной обстановки с повышенной точностью и скоростью;
- моделирование и оптимизация технологических процессов для повышения эффективности и безопасности эксплуатации технологического оборудования.
Такие решения могут быть реализованы с помощью алгоритмов анализа больших данных и машинного обучения или обладать такими модулями, но имеют ограниченную автономность — они выполняют диагностику и дают рекомендации, не принимая самостоятельных критически ответственных решений.
Важно, что это общий свод по всем направлениям в рамках жизненного цикла атомных электростанций. Туда входит проектирование, строительство, изготовление топлива, эксплуатация, модернизация и ремонт, вывод из эксплуатации. Использование ИИ, например, для контроля качества при производстве ядерного топлива, не то что просто возможно, а необходимо в сегодняшних условиях.
Отношение МАГАТЭ к применению ИИ в атомной энергетике
Международное агентство по атомной энергии (МАГАТЭ) ведет активную координацию и исследования в области ИИ для атомной энергетики через рабочие группы и технические встречи. Агентство поддерживает развитие и использование ИИ для повышения безопасности, надежности и эффективности эксплуатации АЭС, одновременно подчеркивая важность сохранения строгих регуляторных рамок и прозрачности решений. МАГАТЭ продвигает концепцию объяснимого ИИ (XAI), чтобы избежать ситуации «черного ящика» и обеспечить возможность проверки и объяснений решений ИИ.
«Международное агентство подчеркивает, что искусственный интеллект должен применяться в атомной энергетике в рамках строгих стандартов безопасности и с обязательным участием человека в принятии решений. Ответственность и контроль остаются ключевыми», — говорится в отчете МАГАТЭ 2025 года.
ИИ в Росатоме
Росатом как мировой лидер атомной энергетики последовательно внедряет технологии искусственного интеллекта для повышения эффективности, безопасности и инновационности во всех направлениях своей деятельности — от эксплуатации атомных станций и сервисного обслуживания до проектирования, строительства, производства топлива и высокотехнологичного инжиниринга.
Опыт госкорпорации охватывает применение предиктивной аналитики, машинного зрения, больших языковых моделей и других инструментов ИИ для решения задач высокой сложности. Системный подход к ИИ реализуется на трех уровнях:
- Первый — инфраструктурный. Обладая самой устойчивой энергетической базой, Росатом превращает свои атомные электростанции в вычислительные центры нового поколения — энергоемкие дата-центры, своеобразные «цифровые реакторы». Они станут источником мощности для будущих промышленных систем искусственного интеллекта. Это — стратегическое преимущество.
- Второй уровень — сервисный. Здесь решается ключевая задача — безопасность на всех этапах жизненного цикла объектов атомной энергетики. Наследие отрасли задает эталон инженерной, эксплуатационной и кибербезопасности, и именно искусственный интеллект позволяет вывести эти принципы на новый уровень. Важнейшая цель — минимизировать присутствие человека в зоне риска.
- На третьем уровне фокус смещается к практическому применению, где ИИ становится частью производственной реальности. Например, роботизированные комплексы демонстрируют концепцию «физического ИИ» — там, где раньше человек работал в опасных условиях, теперь действуют автоматизированные системы (при выводе мощностей из эксплуатации, обращении с материалами, в условиях радиационного фона). Это путь к производствам, где риски для жизни исключены.
Помимо теории, подходы к автоматизации уже легли в основу конкретных решений, которые используются на предприятиях и объектах атомной отрасли.
Одно из ключевых направлений — предиктивное обслуживание оборудования. Алгоритмы анализируют вибрации, температуру и другие параметры в режиме реального времени, что позволяет заранее выявлять отклонения в работе турбин, насосов и реакторных систем. Подобные решения уже внедрены на Нововоронежской, Белоярской и Кольской АЭС.
На Чепецком механическом заводе и на платформе «АтомМайнд» ИИ применяется для автоматизации рутинных операций и контроля качества, снижая вероятность человеческой ошибки. Такой подход поддерживает качество технологических процессов на производстве.
Перспективным направлением становится и внедрение физически информированных нейросетей, повышающих точность математического моделирования в задачах гидродинамики, прочности и электромагнетизма. Эти модели интегрируются в собственное инженерное программное обеспечение, в том числе в комплексы «Логос» и REPEAT.
Технологии ИИ активно применяются и в практике генеративного проектирования. В отечественной CAD-платформе «T-FLEX» уже работает одна из ведущих российских нейросетей для генеративного проектирования, которая проходит испытания на реальных данных промышленных партнеров.
Отдельное направление — цифровое материаловедение. Росатом стремится ускорить разработку высокотемпературных материалов: если классические подходы требуют многолетнего подбора десятков тысяч составов, то ИИ позволяет находить оптимальные комбинации за недели. Совместные проекты с центрами компетенций Национальной технологической инициативы (НТИ) уже подтверждают эффективность такого подхода.
В сфере инженерного программного обеспечения стратегия госкорпорации проста: применение технологий искусственного интеллекта должно ускорять проектирование, повышать точность расчетов и при этом полностью соответствовать отраслевым требованиям безопасности
Генеральный директор Госкорпорации «Росатом» Алексей Лихачев на Симпозиуме по ИИ и атомной энергетике в МАГАТЭ отметил:
- Внедрение алгоритмов ИИ позволило сократить время на проектирование и разработку критических компонентов на 15%. «Цифровой ассистент проектирования» в режиме реального времени помогает инженерам находить и оптимизировать технические решения.
- На предприятиях Топливного дивизиона консолидированный экономический эффект от внедрения систем ИИ в 2024 году составил 1,4 миллиарда рублей.
- На 50% сократилось время на первичную проверку технической документации благодаря автоматизации этой рутинной операции.
ИИ и управление АЭС
Эксперт: Дмитрий Димашов, технический директор, главный конструктор направления АСУ ТП АО «РАСУ»
В управлении АЭС принято использовать алгоритмы с высоким уровнем предсказуемости и надежности. Уровни управления энергоблоком разделены на верхний, средний и нижний (полевой) соответственно. Над всеми системами управления энергоблоками существует станционный (АСУ ТП) для представления информации административно-техническому персоналу станции.
Верхний уровень — это свод данных и их выдача оперативному персоналу, средний — уровень контроллеров с программируемой логикой или управляющих устройств на жесткой логике, а нижний уровень — датчики, средства сбора и передачи информации вышестоящим системам. Современные подходы к автоматизации промышленных предприятий могут быть концептуально иными, объединяться в единые среды управления и планирования, но для АЭС разделение на уровни регламентировано.
В АСУ ТП энергоблока №1 АЭС «Аккую» объединено 55 подсистем, в которые входит 42 тыс. устройств и различных компонентов. Автоматизация обеспечивает:
- эффективную и безопасную выработку электроэнергии;
- минимизацию рисков за счет исключения непроектных режимов работы оборудования;
- введение уровней вмешательства оператора, что гарантирует безопасность эксплуатации АЭС.
Грань между автоматизацией и ИИ в атомной энергетике
Уровни управления и автоматизации в атомной энергетике жестко регламентированы, как и контуры управления. Грань проходит между:
- автоматизацией, основанной на предопределенных алгоритмах, контроллере с программируемой логикой и управляющих устройствах на жесткой логике;
- «сильным» искусственным интеллектом, который подразумевает обучение, адаптацию и потенциальную автономность в принятии решений.
Размывание этой грани опасно, поскольку может привести к излишнему доверию к системам с невысокой объяснимостью, что недопустимо в настолько важной сфере. В атомной энергетике важно, чтобы любые ИИ-системы были объяснимыми и подотчетными человеку.
Примером того, когда «технологическое доращивание» производилось именно там, где необходимо, является Система информационной поддержки оператора (СИПО), которая находится в опытной эксплуатации на работающем энергоблоке Нововоронежской АЭС. По сути, это «цифровой стратег», который контролирует в реальном времени сотни технологических параметров и прогнозирует работу энергоблока на несколько часов и даже суток вперед. В результате оператор превращается из реагирующего исполнителя в управленца, формирующего стратегию действий.
Перспектива гибридных систем «человек-ИИ»
С точки зрения «общих терминов» СВБУ или Система верхнего блочного уровня, которая интегрируется с Системой информационной поддержки оператора (СИПО), — уже «Искусственный интеллект». Если использовать историческую терминологию, обе системы выполняют ключевой функционал по сбору, анализу и визуализации данных. А СИПО — еще и по представлению интерактивных компьютерно-ориентированных процедур и выдаче рекомендаций по управляющим действиям оперативному персоналу.
Тем не менее, функционал СИПО можно расширить в сторону анализа данных, она специально создана как платформа. Такой подход позволяет повысить эффективность и безопасность, сохраняя контроль человека над операциями. Поэтому этот подход можно не только рассматривать как перспективный, но и говорить, что мы уже делаем шаги в этом направлении:
Сравнение экспертных систем поддержки оператора:
|
Система |
Дата начала разработки | Дата начала эксплуатационных испытаний | Особенности |
|
Система информационной поддержки оператора СИПО (Россия) |
Конец 2000-х – начало 2010-х | С 2015 года | Комплексная система с прогнозированием, диагностикой и поддержкой принятия решений |
| Neutron Enterprise (США) | Конец 2010-х – начало 2020-х | С ≈2020 года (активные испытания) |
ИИ-консультант для работы с документацией, не управляет технологическими процессами |
| Guó Hé Yī Hào (Китай) | Начало 2020-х | С 2022–2023 годов (начальные внедрения) |
Цифровой двойник с 3D-визуализацией, мониторингом и большими языковыми моделями |
Риски автоматизации и иллюзия контроля
Ситуация здесь двоякая. С одной стороны, существует опасность, что чрезмерная автоматизация создаст иллюзию полного контроля, при этом новые узкие места и риски могут остаться незамеченными. Все из-за того, что скрытые риски связаны с недостаточной прозрачностью алгоритмов, избыточным доверием к данным и невозможностью предвидеть все нестандартные ситуации без знания контекста. Поэтому один из важнейших столпов безопасной работы АЭС — четкие инструкции, которые «назубок» должен знать весь персонал в зонах своей ответственности.
С другой стороны, внедрение любых подобных систем связано с недоверием эксплуатирующего персонала. Атомная отрасль является как одной из самых технологичных, так и крайне консервативной в части внедрения новых решений. Также важно понимать, что каждая станция и каждый энергоблок уникальны и имеют свои технологические особенности. Здесь существует общая для специфичных объектов промышленности проблема — масштабировать решения с использованием новых технологий, в том числе и ИИ, с одного энергоблока на другой довольно сложно.
Однако отметим, что Система информационной поддержки оператора (СИПО) изначально разрабатывалась при активном участии специалистов Нововоронежской АЭС, что позволило учесть пожелания непосредственных пользователей.
Так можно ли считать машинное обучение на АЭС настоящим ИИ?
Системы машинного обучения в атомной энергетике сегодня чаще рассматриваются как расширенные аналитические инструменты без признаков самостоятельности или сознания. Они обучены выявлять закономерности и аномалии, но не принимают решения без участия человека и работают в строго заданных рамках.
Технически это — «слабый ИИ» или «узкоспециализированный ИИ», который не обладает способностью к самообучению вне определенных параметров и не может переопределять цели без внешнего вмешательства.
ИИ в производстве топлива
Эксперт: Евгений Гаранин, вице-президент по цифровизации и ИТ АО «ТВЭЛ»
В Топливной компании Росатома (АО «ТВЭЛ») технологии искусственного интеллекта уже стали инструментом оптимизации и роста эффективности — как на уровне корпоративного управления, так и на производственных площадках.
Промышленный ИИ: новые горизонты на производстве
Центральной технологической площадкой становится платформа «АтомМайнд» — собственная разработка Топливной компании для систем промышленного ИИ. Она уже внедрена и развивается на восьми ключевых предприятиях дивизиона: АО «ЧМЗ», АО «МСЗ», ПАО «КМЗ», АО «СХК», АО «ВПО «Точмаш», АО «АЭХК», ПАО «НЗХК», АО «УЭХК».
На АО «ЧМЗ» система предиктивного контроля качества на основе «АтомМайнд» уже позволила сократить количество несоответствий с 2,3% до 0,9%. В ближайшей перспективе технологии прогнозирования состояния оборудования и качества продукции будут внедрены на ряд производственных площадок Топливного дивизиона. ИИ применяется для:
- предиктивного обслуживания оборудования, что позволяет переходить от планово-профилактических ремонтов к ремонтам по состоянию, снижая издержки и повышая надежность;
- контроля качества продукции с прогнозом вероятности брака еще до его проявления;
- оптимизации производственных режимов для повышения эффективности и снижения ресурсопотребления;
- визуализации процессов и оперативного оповещения об отклонениях в технологической дисциплине..
Так, сегодня ИИ помогает ускорять бизнес-процессы, улучшать качество продукции и повышать предсказуемость состояния оборудования.
Законодательство и нормативное регулирование
Законодательство РФ и ИИ на критически важных объектах
Российское законодательство пока не готово к полной автономии систем ИИ на таких объектах с высокой критичностью, как АЭС. В настоящее время ИИ рассматривается в рамках пилотных проектов и вспомогательных систем, где ключевые решения остаются за человеком.
Также действуют нормы, регламентирующие безопасность и оценку программного обеспечения, в том числе поправки в Федеральный закон «Об использовании атомной энергии», обеспечивающие проверку компьютерных кодов и цифровых систем на предмет соответствия строгим нормам безопасности.
Кроме того, сейчас разрабатывается ГОСТ «Искусственный интеллект в критической информационной инфраструктуре».
Международный опыт к регулированию ИИ в атомной энергетике
Китайский новый закон по атомной энергетике, включающий положения о применении ИИ, называется «Закон о ядерной энергии Китайской Народной Республики». Его официальная дата принятия — 12 сентября 2025 года, вступает в силу с 15 января 2026 года. Основные положения закона включают:
- обеспечение мирного использования и безопасного развития атомной энергетики;
- регулирование вопросов исследовательской, промышленной деятельности и сотрудничества в области атомной энергии;
- установление правил и требований к безопасности, включая новые технологические сферы, где активно внедряется искусственный интеллект;
- контроль и управление рисками, связанными с применением ИИ, с акцентом на поддержание высокого уровня безопасности и предотвращение угроз национальной безопасности;
Требования к качеству данных и средств ИИ, особенно в критических областях, включая ядерную отрасль, с необходимостью исключения рисков нарушения безопасности и нормативов;
Структурированный подход к управлению ИИ, учитывающий классификацию рисков, систему учета и прослеживаемости работы ИИ, а также обязательства поставщиков и разработчиков по обеспечению безопасности и этичности ИИ-систем.
Точки сходства между российскими, китайскими и американскими экспертами
Все три страны считают, что ИИ в атомной энергетике должен поддерживать оператора, а не заменять его. Ответственность и контроль за решениями сохраняется за человеком. Также отмечаются:
- важность обеспечения безопасности и объяснимости ИИ-систем с целью предотвращения непредсказуемого поведения;
- необходимость развития нормативно-правовой базы и регуляции по ИИ в атомной энергетике с учетом международных стандартов;
- признание ИИ как инструмента повышения эффективности, предиктивного обслуживания и анализа данных, но с ограниченной автономностью;
- риски «иллюзии контроля» и требования к постоянному человеческому надзору и обучению специалистов.
«Большинство аварий на АЭС вызваны мелкими обычными неисправностями, неправильная оценка которых оператором может привести к аварийным ситуациям. Автоматизированные системы должны помогать, а не заменять оператора».
Чжан Цин, руководитель экспертной группы по стратегическим консультациям в рамках Национального крупного проекта развития атомной энергетики Китая и академик Международной академии ядерной энергетики
Таким образом, ИИ в атомной энергетике уже работает — в диагностике, моделировании, контроле качества и предиктивной аналитике. Он делает процессы быстрее и точнее, но остается инструментом, а не субъектом управления. Однако в контуре управления атомной станцией решения остаются за человеком. Этого требуют регуляторика, международные стандарты и сама природа отрасли, где цена ошибки недопустима.