再不学AI，就要“原地失业”了？
自从ChatGPT和Sora横空出世
AI（人工智能）
就刷满了存在感
搜索、绘画、写总结
写文案、剪视频、编代码……
人们惊艳于AI的无限潜力
也不免担忧一个不留神
就被这股时代浪潮“拍在沙滩上”
新技术迅猛发展
带来的焦虑和期待同在
作为一名海油人
你是否也在思考
我们作为传统能源行业
应该怎样应用AI
才能站上时代的风口
而不是被甩在后面？
今天我们就来探讨一下这个问题
你也许听说过
拉动人工智能应用的
“三驾马车”是算法、算力、数据
要想AI用得好
就要一一解决这三方面的问题
“
什么是算法呢？
“算法”和“模型”对许多人来说都是“熟悉的陌生人”。它们常被一同提起，普通人却很难真正理解它们的含义。如果问问AI，你会得到这样的答案：模型可以近似地理解为目标函数，而算法则是求解该目标函数的方法。
简单粗暴地理解一下
它们就是计算机的“思维”
让一堆无机物硬生生“长出脑子”，这么专业的事当然要交给专业的人来办。所以国内外油气公司纷纷选择与知名科技公司联手，为油气行业“量身定制”适用于上中下游各板块的人工智能模型。
然而，“强强联手”也未必能一帆风顺。石油专业人员缺少信息技术知识，人工智能技术人员缺少石油专业背景，跨专业应用技术壁垒极高是他们面临的共性问题。新问题出现便需要复合型人才来解决。
近年来，中国海油围绕预测维护、过程优化、安全预警和认知分析四个方面，陆续开展了多项人工智能应用的试点探索，一批为跨越专业鸿沟作出大胆尝试的海油人随着项目成长起来。他们怀着对人工智能技术的热情和信心，积极拥抱新领域，成为第一批“吃螃蟹的人”。
除了和专业壁垒“硬碰硬”，海油人还通过搭建统一平台为油气专业工程师应用人工智能技术提供“过墙梯”。
2020年，中国海油在《集团公司数字化转型顶层设计纲要》发布的基础上，制订了“依托一个平台、推动多元应用”的人工智能建设规划，稳步推进人工智能技术与公司业务深度融合。
这个“平台”是指人工智能平台。它像人工智能应用开发的“百宝箱”，里面提供的“宝物”包括开发框架、成熟算子、“开箱即用”的服务等，各种“工具”能够让没有太多人工智能技术基础的油气专业工程师也快速上手，通过“流程化点击”或“模块化拖拉拽”等非代码方式开发简单智能化应用，从而让更多人参与到智能化进程中。
人工智能平台除了提供各种开发工具
还有一个重要作用
就是提供“智算资源池”
它主要解决的就是“算力”问题
“
什么是算力呢？
AI是这样说的：算力，即计算能力，是指通过计算机或数据处理系统完成特定任务时所能展现出的能力或速度。
再简单粗暴地理解一下……
就是需要硬件！
（很贵！）
在位于北京市的数据中心内，一排排黑灰色的机柜整齐排列着。机柜内，高速运转的设备发出嗡鸣，各色导线织成密密麻麻的网，红绿信号灯交替闪烁。中国海油共有6个这样的数据中心，它们的功能之一，就是形成智算资源池，为在中国海油落地的人工智能应用提供可以灵活调配的智能算力支持。
这种支持是远程的，比如现在位于北京的一台智能计算设备，可能正训练有限深圳分公司的人工智能模型；也是动态的，比如某模型运算高峰期可以从资源池中调用更多算力资源，低谷期释放出来的资源则可以调配给其他需要的项目使用。生产科研一线单位不必再单独购置硬件设备，相当于从“自己挖井吃水”变成“由自来水公司供水”，人工智能应用开发成本得以降低、便捷性大大提升。
算法模型工程师刘嘉
有了智算资源池的算力保障，我们就可以轻装上阵，专注于模型的开发和应用。
随着人工智能技术应用进一步铺开，中国海油各单位对于算力的需求还会呈几何倍增长，智算资源池的作用将会更加凸显。当然，这只是中国海油构建智慧应用生态的冰山一角。
集团公司信息技术中心
系统三室负责人吴刚
目前，人工智能在油气企业的应用大多是点场景、单模型、少数据驱动下的简单智能，而未来的油气智能将是集专业知识、海量数据、适应算法、强大算力四要素于一体的公司综合智能体。
“
什么是数据呢？
数据，也许是最好理解的一个概念，却是对油气行业来说很难解决的一个问题。
数据有多重要？业内有这样一句话：“数据质量决定模型性能上限。”训练人工智能模型少不了大量数据的“投喂”，如果数据质量不高、数量不足，模型就会“营养不良”。
油气勘探开发专业人员常把地下油气藏称作“黑匣子”。人无法直观看到地下真实情况，只能通过地震勘探、测井、取心等各种方式推测地层深处的样貌。然而，每一项作业都需要不小的成本投入，这也决定了数据量的有限性。
此外，重、磁、震信号在布满断层裂缝的非均质性地层中经过一系列复杂传导，早已“面目全非”，对这些信号的解读往往莫衷一是且难以验证。由于欠缺充足、清晰的高质量样本数据，人工智能模型的训练困难重重，许多海油人都在积极寻求解决之法。
研究总院地球物理方法
资深工程师丁继才
油气产业链很长，其中涉及许多小众专业，样本数据量尤其少。研究表明，小样本数据情况下的人工智能可以通过数据、模型和算法三个维度进行解决，弥补样本数据量不足的情况。
有限深圳分公司数字岩心
项目组成员李新锋
一次“取心”成本动辄数百万元。我们给岩心“做CT”，建立高精度三维模型，应用深度学习技术可得出比常规实验更细颗粒度的数据，并避免破坏性实验对岩心造成损耗，把岩心像数字藏品一样永久保存下来，方便随时测算、调用，为研究人员更好认识地层提供数据支持。
研究总院勘探开发数据
资源中心有关负责人刘兆年
集团公司于2020年启动勘探开发数据治理工作，目前已实现245万条主数据和4.57亿条历史数据按新标准迁移入数据湖。勘探开发数据治理工作对整个上游板块各专业来说具有一定变革性。各专业人员需要按照统一标准整理收集到的数据，只有这样才能打通专业间的壁垒，方便数据流通和应用。这意味着每个人都需要跳出“小圈子”，建立“一体化”思维，增进和其他专业的交流磨合。这项工作覆盖整个上游，需要全员参与和配合。
研究总院钻采数字化
工程师刘宇沛
人工智能时代，每个人都应该培养起基本的数字化能力，新数据每时每刻都在产生，其收集整理工作光靠数字化工程师是远远不够的。进行行业调研时我们发现，有些企业会在员工入职时统一组织数字化技术培训，让人人有意识，人人能参与。这不失为一种值得参考的做法。
对中下游板块和经营管理板块来说，数据按照统一标准“入湖”同样是推动人工智能技术应用的基础工作。2023年，集团公司启动经营管理数据治理工作，2023年底，经营管理数据湖平台已正式上线。
除了提升数据治理能力之外，加深对油气专业本身认识、改进采集地下数据的设备和技术，都对提升数据质量至关重要。这需要整个产业链的共同进步，也意味着长期的积累。
数字化、智能化
是新质生产力的发展方向
虽然人工智能技术在油气行业的应用
是一个长期的过程
但只要行而不辍
相信未来值得期待
策划&文字 | 秦怡然
漫画 | 张心蕊
制作 | 田明
责任编辑 | 刘瑶
监制 | 张宗鹭
更多推荐
分享
收藏
在看
点赞