這樣太危險？AI加上核能？

史丹佛大學應用物理系博士班 陳奕廷

核融合

核能電廠的原理是核分裂：重原子分裂的過程中釋放能量，驅動渦輪機發電。幾十年來，人類一直夢想一種更先進的發電方式──核融合。在核融合中，數個輕原子的原子核因為高溫突破相斥的庫倫作用力，合而為一並產生巨大的能量。不同於核分裂或其他的傳統發電方式，核融合可以不產生任何溫室氣體或放射性物質，對環境非常友善。核融合的原料也相對普遍很多，不會像中東的石油一樣獨霸一方，能源安全性高。此外，能用點亮天空無數星星的原理發電，不是很浪漫嗎？

核融合研究主要有兩大領頭羊：位於美國的國家點火設施(NIF)和法國的國際熱核融合實驗反應爐(ITER)。前者曾經證明有正的能量輸出，但作為電廠有諸多困難；而後者雖較受青睞，但設施仍在興建中，就已經成為世界上第二貴的建築物。因此，許多較小的實驗室和私人公司紛紛開始研究比較務實的設計。私部門中最受矚目的是位於美國加州的 Tri Alpha Energy 公司(TAE)[註1]，他們將用粒子加速器將反應物打入電漿，產生核融合。其發展的關鍵之一是和 Google 合作，透過人工智慧改進電漿的狀態。

AI 加上核能？世界要毀滅啦！

在感到擔憂之前，讓我們好好來了解到底 AI 做了什麼。用通俗的語言來說，人工智慧就是應用數學：把現實中的問題轉換成數學問題，例如：下棋其實是一種路徑搜索的問題，影像辨識是一種迴歸問題(Regression)，而改進核融合的設計是一種最佳化問題(Optimization)。這些數學問題通常已經有聰明的人想好演算法，我們只需要把演算法給電腦執行就完成了。

假設核融合用的電漿狀態是溫度和密度的函數，如圖一，我們的目標就是要找出如何讓函數達到最大值。學過微積分的你可能會馬上想到「微分找極值」，但在實務上，我們關心的函數通常都不是解析函數[註2]。比較踏實的方法，是系統化地一個一個參數慢慢測試。所有的可能參數組合都測試過之後，我們就知道哪一個是最佳值，但這要花很多時間。在數學和電腦科學中，找最佳值最常見的演算法是「梯度法」。每一次都沿著梯度的方向走，只要走一條路就能直通答案(如圖一)。

簡而言之，人工智慧的真面目其實是用厲害的演算法解決數學問題。數學的本質是簡單優雅的，現實是混亂無章的。若把現實中的問題寫成數學問題，會是一個極端複雜無序的問題。透過優良的演算法，讓人類本來認為電腦要計算很久的問題一瞬間就能算完，人類就會驚嘆：「人工智慧好聰明」。

圖一、系統化和梯度法都能搜尋到最大值，但在高維度(多變數)的情況下，前者需要指數時間，而後者僅需要線性時間複雜度。許多人工智慧的背後，就是用巧妙的算法來解開普遍認為不能解的問題，包括下棋、影像辨識等。

驗光者演算法

既然 AI 聽起來不會用核能毀滅世界，讓我們詳細看一下 Google 和 Tri Alpha Energy 是如何合作的。和其他科學一樣，核融合實驗中有許多複雜非線性、相互關聯的變數。和其他科學不一樣的是，核融合具有巨大的能量，如果讓人工智慧任意嘗試參數，可能會損壞機器甚至造成生命危險。此外，至今為止，尚沒有一套標準能精確定義電漿狀態的好與不好，仍需要人類來評估。因此，核融合不能像一般的問題一樣做全自動化處理，所以這兩家公司合作開發了一種全新的半自動化演算法。

就像是近視的人，雖然不能精確的描述自己近視幾度，但每個人都知道自己看得清不清楚。驗光師為我們配幾副不同的度數，最後我們選出看得最清楚的眼鏡。核融合科學家尚不能對每一種電漿狀態打分數，但是能分出電漿之間的好優劣。人工智慧每次產生一對不同的電漿給人類選擇，用最少的樣本數估計出圖一中電漿效果的函數，再找出最佳值。這樣的人機合作的演算法被他們稱為「驗光者算法 (Optometrist Algorithm)」。

用這個方法找到的設計，讓電漿侷限效果增加、反應溫度上升，更將能量流失量大幅減少到一半以下。更驚人的是，本來要多年才能完成的這些進度，竟在3個多禮拜、百餘場實驗內就完成了，大大地加速了核融合研發的進度。Google 和 TAE 現在仍繼續合作，後續發展非常令人期待。

[註1] Tri Alpha Energy公司使用的核融合反應過程會產生三個alpha粒子，因此取名為「Tri Alpha」。
[註2] 為了方便理解和美觀，圖片中畫的確實是解析函數。

參考文獻：

• E. A. Baltz et al., Achievement of Sustained Net Plasma Heating in a Fusion Experiment with the Optometrist Algorithm Scientific Reports 7, 6425 (2017)