宁德核电：基于大模型的AI讲师开发实践

核电行业引入人工智能的实践与挑战

以GPT为代表的人工智能技术在核电领域的应用

• 功能与价值：

  • 替人：替代人类完成重复性任务。
  • 助人：帮助人类执行过去难以完成的任务。

• 原理与可行性：

  • 通用大模型的突破性进展简化了技术应用的可能性。
  • 垂直领域大模型的应用潜力需要通过实践验证。

核电行业的特殊性与大模型引入挑战

• 技术特点：

  • 复杂性：设备种类繁多，系统庞大。
  • 成熟度：经过验证的安全性与可靠性。
  • 保守性：对创新持谨慎态度。

• 实施障碍：

  • 数据安全与网络风险。
  • 人对新技术的不适应。
  • 大模型的局限性与误解。

大模型应用实践的三次尝试与反思

• 第一次失败：直接应用大模型替代已有流程。
• 第二次失败：尝试解决大模型的幻觉问题。
• 第三次失败：在特定场景下尝试应用，仍面临挑战。

核电培训领域的数字化转型

• 核心要素：AI讲师（锦书）、核电大模型。
• 目标：提高培训效率，减少人力投入。
• 流程：培训管理、知识管理、人才管理、人因预测。
• 效果：大幅减少教务、教员、学员的工作时间，实现个性化定制。

办公效能、设备管理与生产决策的智能化

• 应用实例：文生图、文生PPT、知识问答。
• 角色探索：Agent（书青）参与核电厂工作流程优化。

核电从业者的人工智能素养提升

• 中层管理者：理解大模型的平权作用与第一性原理思考的重要性。
• Agent平台：实现工作流自动化，提高效率与安全性。

结论

核电行业在面对人工智能技术时，既面临着技术与应用的挑战，也迎来了机遇。通过针对性的实践与策略调整，逐步克服了初期的困难，实现了从传统培训到数字化培训的转型，同时也探索了大模型在设备管理、生产决策等领域的应用。未来，通过持续的学习与优化，核电行业有望进一步提升其在人工智能时代的竞争力。