肖立志
生成式人工智能为传统油气行业发展提供强大驱动力 精选
2024-6-13 14:06
阅读:3830

2024年5月8日,DeepMind在《自然》杂志报告了新工具AlphaFold3,能够预测DNA、小分子、离子与蛋白质组成的复杂结构,颠覆药物设计,使科学家们认识到,人工智能具有强大的潜力来解开以前遥不可及的科学发现。作为新一轮产业革命的核心技术,人工智能与传统油气行业的对接也愈发引起油气企业的强烈兴趣。

事实上,自2022年11月30日美国OpenAI公司发布ChatGPT开始,国内外各种预训练大语言模型不断呈现。而ChatGPT本身也不断迭代升级,2024年2月16日OpenAI公司又发布其“文生视频”的大模型工具Sora,利用自然语言描述,生成视频……。生成式人工智能(AIGC)已然成为全球最火爆的科技赛道,其强大的功能、全新的服务模式和难以预估的发展潜力,引来社会各界广泛而持续的关注。

生成式人工智能的应用场景非常广泛,“对话聊天”只是其面向公众的一种外化表达方式,而其背后的技术逻辑则是由强大的计算力、强大的记忆力、强大的理解力、强大的解题格局和囊括各行各业或者本领域的全部知识的有力支撑,使其能够成为面向开放性任务的通用助理。其创意性写作、强大的上下文理解能力、按照人类逻辑生成控制指令以及对无人机或者复杂机器人进行操控等功能,使其已经具备全局性和颠覆性的力量,对人类生产生活的方方面面正在产生广泛而深刻的影响。从社会经济发展角度看,它在企业级服务领域具有更大的价值和更加广阔的前景,特别是当下,为诸多传统行业的数字化转型和智能化发展提供了新的路径。迄今,金融、交通、医疗、政务等众多传统行业都在积极引入AIGC技术,以此来大幅度提升服务效率,并引发相关业态的不断演进和变革。

石油天然气行业作为重资产、高投入、高能耗、高风险行业,技术密集和劳动力密集并行,预防安全事故及生态环境灾难的警钟长鸣,面对汹涌而来的生成式人工智能,整个行业如何快速响应并及时完成数字化转型和智能化对接,是时代的重大课题。油气上游是离散工业,下游是流程工业,不具备数字原生企业特征。在数字经济和生成式人工智能时代,其生态伙伴的作用边界及彼此之间的信息流、数据流正在发生根本性变化。在“双碳目标”强约束条件下,如何绿色、低碳、可持续发展,是油气企业以及石油石化整个产业生存发展所面临的严酷挑战,而数字化转型、智能化发展则成为油气企业摆脱困境的难得机遇,对数字化智能化的需求十分迫切,亟需新一代人工智能等技术的有力加持。

在前期研究中,我们提出“四个世界模型”来阐明传统油气行业(或其他传统行业)数字化智能化的底层逻辑(肖立志,《石油物探》2022年3月第61卷第2期,205-212;肖立志,《世界石油工业》2022年8月第29卷第4期,12-20;Xiao Lizhi, MIT ESL FISH,2023)。

第一个世界是我们生活的物理世界;第二个世界是人类认知世界;第三个世界是机器认知世界;第四个世界则是通过数字化构建的数字世界。在以数据驱动的深度学习为主的人工智能技术中,通过传感器对物理世界的泛在感知,获取数据和数字孪生建模,构建数字世界;再利用机器学习算法,通过基于明确机理的计算,使重复性工作得以自动化;也可以通过基于不明确机理的推测,来挖掘和发现数字世界的关联关系,使探索性工作得以突破原有认知边界,还可以通过物理世界与数字世界的映射互动和复合孪生体的智能共享,实现物理世界局部或整体的全生命周期的认知、预测、优化及闭环控制。

从物理世界到数字世界,需要数字孪生建模并遵循香农采样定理,这涉及到对物理世界的理解、抽象及感知采样。因此,数字世界的建设只能是阶段性,需要考虑层次性、兼容性、确定性、完备性、稳定性及可解释性等一系列重要问题。此外,从第一个世界(物理世界)到第四个世界(数字世界),再到第三个世界(机器认知世界)的这个路径,与现有组织(企业)的体制机制是一种“解耦”的关系,即数字世界独立于现有组织及其体制机制之外,从而有可能遇到各种各样的体制机制及人事方面的阻力。这就是为什么像油气这样的传统行业及企业的数字化和智能化如此之慢、如此之难的原因之一。

AIGC是对数据驱动深度学习为主的人工智能技术的重大发展和实质性突破!它是通过对第二个世界(人类认知世界)的文献学习和语义理解,直接到第三个世界,即形成机器认知世界。这个新路径,与现有组织(企业)的体制机制是一种“耦合”的关系,即与现有组织及其体制机制紧密相连,从而能够有效规避各种各样的阻力。同时,也很好地化解了数字世界建设过程中遇到的阶段性、层次性、兼容性、确定性、完备性、稳定性及可解释性等难题。所以,利用生成式人工智能,基于强大算力快速完成认知迭代,可在油气地质地球物理、测井录井、钻井和完井工程、油气藏工程与油气井生产地面工程、油气储运及炼制和石油化工等各个环节和多个场景中,高效生成各类所需的内容及解决方案,是提升油气行业生产效率、对接数字经济的强大工具。大语言模型的出现、AIGC的兴起,对油气行业的数字化转型路径已经带来根本性改变并形成强大驱动力,未来在油气勘探开发等更多领域将得到广泛应用。

AIGC在油气行业的应用前景十分广阔,但同样也充满挑战,不可能一蹴而就。自1859年,美国宾夕法尼亚州首次通过钻井方法获取地下的石油,开辟了现代石油工业,引发了全球范围对石油的采掘和利用。从此以后,油气领域的通用知识、区域知识、机理模型、勘探数据、生产数据等等,都快速增长、不断积累,其业务流程不断迭代升级,业务链与价值链逐步协调优化,如今已经形成完备的知识体系和严密的行业标准,为油气行业AIGC的研制和应用奠定了良好基础。但是,也应该看到,油气行业业务逻辑的十分复杂。以油气上游即勘探开发核心业务为例,通常包括资源勘查阶段、资源评价阶段、油气发现阶段、油气藏评价阶段、开发生产阶段、油气田废弃阶段等,每个阶段都涉及到资料采集、处理解释应用等综合研究。油气核心业务企业,通常是“研究型生产企业”或者“生产型研究公司”,科研与生产不断交错、迭代。每个阶段都涉及到项目管理,包括规划计划、工程造价、投资预算、生产运行、质量监督、安全监管、项目验收、工程结算等环节。而在最上面,还涉及财务管理、人力资源、设备管理、物质供应、法律事务、生产销售、客户关系等企业运营。在以专业技术分工取得规模化效率发展模式的工业经济体系里,必须强调各个环节的职责分明,其体制机制和以往持续的信息化建设,导致大量的信息孤岛、数据壁垒及技术保密,在生成式人工智能预训练的文献学习和语义理解过程中,如何去伪存真及对齐,可能是一项极其艰巨的任务。而在持续建设过程中,虽然有国家的强力导向,但领导层、执行层观望等待为众,多停留在口号上,内涵相当空洞。特别是,复合型高水平人才匮乏,油气业务专家与AIGC专家之间互相不理解、难沟通,业务场景构建过于简单、甚至过于急功近利,使油气行业数字化智能化实施难度大大增加……所有这些,在布局和实施油气行业、油气企业生成式人工智能大项目、大决策时都是应该实事求是考虑的重要方面。

(此文应中国石油报记者马睿邀请完成,修改稿刊载在《中国石油报》2024年6月11日第7版,感谢马睿编发,合作过程非常愉快。)

转载本文请联系原作者获取授权,同时请注明本文来自肖立志科学网博客。

链接地址:https://wap.sciencenet.cn/blog-2401-1438054.html?mobile=1

收藏

分享到:

下一篇
当前推荐数:2
推荐人:
推荐到博客首页
网友评论1 条评论
确定删除指定的回复吗?
确定删除本博文吗?