中國石油報：油氣人工智能將通向何方?
發(fā)布時間:2024-11-26 | 來源：中國石油報 | 瀏覽量：
2024年9—10月，人工智能（AI）迎來3個歷史性時刻——9月12日,，OpenAI發(fā)布新模型o1,，并稱“在涉及化學、物理和生物等專業(yè)的測評中,，o1的表現(xiàn)超過了人類博士水平”,；10月8日，2024年諾貝爾物理學獎揭曉,，美國和加拿大科學家約翰·霍普費爾德,、杰夫里·辛頓兩人獲獎，表彰他們基于人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)機器學習的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明,；10月9日,，2024年諾貝爾化學獎揭曉，谷歌旗下AI公司DeepMind的2位科學家德米斯·哈薩比斯和約翰·江珀獲獎,，表彰他們利用人工智能在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的貢獻,。這些進展表明，基于機器學習的人工智能理論物理基礎(chǔ)牢固,，化學應(yīng)用可靠,，“超級人工智能”正在快步向我們走來?？梢灶A(yù)見,，未來若干年，人才和資金將大規(guī)模涌入人工智能領(lǐng)域,。
人工智能賽道正在迎來重大變革
人工智能（AI）聽起來很復(fù)雜,，但機器學習的核心要素就是3個，即數(shù)據(jù)（包括數(shù)值數(shù)據(jù)和文本數(shù)據(jù)）,、以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的算法,、由芯片和電力決定的算力。模型訓(xùn)練的過程,，是使損失函數(shù)最小化的迭代擬合過程,。
相比于傳統(tǒng)的機器學習算法,，深度學習算法可以處理更大量級的數(shù)據(jù)，并且在特征提取,、模型訓(xùn)練方面更加出色,。深度學習增強了機器學習算法的通用性，促進人工智能產(chǎn)業(yè)的快速發(fā)展,。我國正在大力推動數(shù)字化轉(zhuǎn)型,。2020年底至2021年初，中國石油,、中國石化,、中國海油等能源央企紛紛表態(tài)，要把握大勢,、搶抓機遇,，推動數(shù)字化轉(zhuǎn)型和智能化發(fā)展,。2022年1月12日,，國務(wù)院發(fā)布《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》，加快能源領(lǐng)域數(shù)字化轉(zhuǎn)型,，提升能源體系智能化水平,。國務(wù)院國資委更是連續(xù)10次發(fā)布數(shù)字化轉(zhuǎn)型的方法論和體系架構(gòu)相關(guān)標準T/AIITRE 10001-2020，明確數(shù)字化轉(zhuǎn)型的核心要義是要把基于工業(yè)技術(shù)專業(yè)分工取得規(guī)?；实陌l(fā)展模式,，逐步轉(zhuǎn)變?yōu)榛谛畔⒓夹g(shù)、數(shù)字技術(shù),、智能技術(shù)取得多樣化效率的發(fā)展模式,；并指出，這是一場“系統(tǒng)性變革”,，是價值體系的“優(yōu)化,、創(chuàng)新和重構(gòu)”，其核心路徑是“新型能力建設(shè)”,，關(guān)鍵驅(qū)動要素則是“數(shù)據(jù)”,。
2023年3月31日，國家能源局發(fā)布《關(guān)于加快推進能源數(shù)字化智能化發(fā)展的若干意見》,，涉及涵蓋油氣綠色低碳開發(fā)利用上,、中、下游的6個重點領(lǐng)域,，包括“推動智能測井,、智能化節(jié)點地震采集系統(tǒng)、智能鉆完井,、智能注采,、智能化壓裂系統(tǒng)部署,、遠程控制作業(yè)”。一幅包含智能油氣田,、智能管網(wǎng),、智能煉廠等在內(nèi)的智能化應(yīng)用畫卷正在全面鋪開……
近2年，ChatGPT的橫空出世使生成式人工智能異軍突起,，智能化發(fā)展路徑出現(xiàn)顛覆性變革,。大語言模型成為AI發(fā)展的主賽道。ChatGPT是“面向開放任務(wù)的通用助理”,，能夠準確理解提出的問題,，并給出具體而詳細的解決方案。它可以進行“創(chuàng)意性寫作”,，初步實現(xiàn)知識生產(chǎn)的第一種方式,，即“類比與綜合”。它還能夠按人類邏輯生成控制指令,，對無人機或復(fù)雜機器人進行操控,。2023年12月，卡內(nèi)基梅隆大學在Nature刊發(fā)的文章顯示,，利用ChatGPT-4協(xié)同實驗自動化工具,，可以在很短的時間內(nèi)重現(xiàn)2010年諾貝爾化學獎獲獎?wù)叩墓ぷ鳌Ｋ凑瘴墨I和數(shù)據(jù)搜索,、制定研究計劃,、執(zhí)行計劃并自動編程和遠程操控儀器、進行實驗數(shù)據(jù)采集與處理分析,、形成研究結(jié)論并自動生成研究報告,，成功實現(xiàn)了知識生成的第二種方式，即科學實驗,。
面對這些進展,，學術(shù)界部分專家驚呼“超級人工智能已經(jīng)在路上”。一般認為,，人類智能可以分為結(jié)構(gòu)化智能和非結(jié)構(gòu)化智能兩類,。結(jié)構(gòu)化智能又分為可以利用有限次二進制運算的傳統(tǒng)計算機完成的算法智能，以及需要無限次傳統(tǒng)運算或者量子計算機才能完成的有關(guān)“創(chuàng)造”“自主”和“信念”的智能?，F(xiàn)在,，采用生成式大語言模型，結(jié)構(gòu)化智能均可通過傳統(tǒng)二進制計算機（無須量子計算機）實現(xiàn),。至此,，一個新的“智能物種”已經(jīng)形成，即硅基生命的雛形，至于它是否需要具有意識科學范疇里的“私密體念”,，即非結(jié)構(gòu)化智能,，已經(jīng)無關(guān)緊要了。屆時,，以正在形成的硅基智能物種為基礎(chǔ)的具身智能將應(yīng)運而生,，它使大語言模型實體化和個性化，成為聰明的“人造外星人”,，在工業(yè)生產(chǎn)環(huán)境等閉合場景中生存和行動,，從而使人工智能從“數(shù)字世界的一種認知方式”，轉(zhuǎn)變?yōu)椤拔锢硎澜绲囊环N生產(chǎn)方式”,。這有可能成為未來人工智能發(fā)展的重要趨勢,，并給生產(chǎn)和生活帶來重大變革。
人工智能重塑全球油氣行業(yè)未來
面對數(shù)字經(jīng)濟時代的快步到來和智能技術(shù)產(chǎn)業(yè)化的巨大沖擊,，作為傳統(tǒng)重資產(chǎn),、高投入、高風險行業(yè)的油氣工業(yè),，必須盡快找到數(shù)字化轉(zhuǎn)型和智能化發(fā)展的途徑及實施方案,。
油氣領(lǐng)域的人工智能應(yīng)用目前尚處于起步階段。石油工業(yè)的業(yè)務(wù)鏈很長,，涉及勘探開發(fā),、儲運、煉油化工,、物流和銷售等上下游各環(huán)節(jié)。在從萬米鉆探到萬里管網(wǎng)的各種大工程,、大場景中,，需要關(guān)注的是隱藏在圖片背后的包括裝備、人員,、資金,、油氣在內(nèi)的各種數(shù)據(jù)流動。而數(shù)據(jù)的流動又涉及數(shù)據(jù)的采集,、傳輸,、處理、應(yīng)用,、復(fù)用,，以及知識的生產(chǎn)應(yīng)用、樣品的分析測試,、機理模型的形成等,。
為了讓數(shù)據(jù)和知識流動起來，石油公司做了大量工作。例如,，中國石油勘探開發(fā)夢想云平臺,，建成了涵蓋勘探開發(fā)全業(yè)務(wù)鏈的信息化支撐體系，在量化決策,、降本增效,、增儲上產(chǎn)、提高效率,、轉(zhuǎn)變生產(chǎn)組織模式等方面取得了顯著成效,。中國石油與華為合作開發(fā)的認知計算平臺，致力于集成和適配全部機器學習算法,，實現(xiàn)認知分析,，在測井油氣層識別、初至波拾取,、地震層位解釋,、抽油機井工況診斷、單井產(chǎn)量遞減及含水量預(yù)測等業(yè)務(wù)場景中開展應(yīng)用,。國際方面,，阿布扎比國家石油公司（ADNOC）采用的全流程可視化智能調(diào)控優(yōu)化系統(tǒng)，是油氣行業(yè)現(xiàn)階段數(shù)智化卓越的實踐之一,，并在2024年實現(xiàn)了規(guī)?；?/span>
隨著ChatGPT的問世,，生成式人工智能為油氣領(lǐng)域的數(shù)智化路徑帶來了新變革,，國內(nèi)外許多數(shù)字化頭部企業(yè)紛紛開始進入這一賽道。2023年10月,，華為發(fā)布面向油氣領(lǐng)域的大語言模型,，其基本架構(gòu)為L0基礎(chǔ)大模型、L1行業(yè)大模型和L2部署級細分場景模型,。其中,，L0基礎(chǔ)大模型包含科學計算大模型（千億級參數(shù)）、40萬億字節(jié)（TB）文本數(shù)據(jù)的計算機視覺大模型,、30億參數(shù)多模態(tài)大模型和10億級圖像預(yù)測大模型,。該模型基于海量知識和模型歸納，具備自監(jiān)督學習功能,，可以對大模型進行預(yù)訓(xùn)練,，并針對細分場景進行微調(diào)。L1行業(yè)大模型基于專業(yè)知識和模型泛化,，可處理超過10萬個油氣數(shù)據(jù),，具備“邊用邊學”的模型優(yōu)化迭代能力。L2部署級細分場景模型基于模型細分場景推理，可實現(xiàn)重采樣,、小樣本類別處理的模型微調(diào),，域遷移學習和模型蒸餾，以及計算機視覺模型的工廠化生產(chǎn),，打通模型監(jiān)控,、數(shù)據(jù)回傳、持續(xù)學習,、自動評估,、持續(xù)更新的人工智能全鏈路閉環(huán)。
2024年5月,，中國石油進一步與中國移動,、華為、科大訊飛簽署昆侖大模型合作共建協(xié)議,。這是油氣行業(yè)智能化的重大事件,，意味著巨大的投資和宏大的基礎(chǔ)設(shè)施建設(shè)將提上日程。這一舉措將對油氣行業(yè)智能化進展產(chǎn)生深遠影響,，助推油氣全產(chǎn)業(yè)鏈的流程重構(gòu)以及數(shù)據(jù)體系,、知識體系的重置。
2024年9月,，斯倫貝謝（SLB）在摩納哥發(fā)布Lumi?數(shù)據(jù)和人工智能平臺,。該平臺采用生成式大語言模型，將從根本上改變能源價值鏈中的數(shù)據(jù)驅(qū)動決策,、操作自動化及實時優(yōu)化,。值得關(guān)注的是，斯倫貝謝保留了Delfi數(shù)字平臺,，并通過Lumi?平臺的數(shù)據(jù)基礎(chǔ)和人工智能能力,，實現(xiàn)儲層建模、地震和井筒解釋,、定向鉆井和地質(zhì)導(dǎo)向等工作流程的自動化和實時優(yōu)化。同時,，Lumi?的開放架構(gòu)使用了Open Group的OSDU技術(shù)標準,。這在國際上引起了高度關(guān)注并逐步成為新的趨勢。
油氣人工智能落地須厘清底層邏輯
人工智能在油氣勘探領(lǐng)域的應(yīng)用目標主要有2個,。一是對于已知機理模型的重復(fù)性工作來說,，利用人工智能實現(xiàn)自動化，大幅提高生產(chǎn)效率,。二是對于未知機理模型的探索性工作來說,，利用人工智能擴展認知邊界，從而提高符合率。
在人工智能應(yīng)用研究中,，構(gòu)建學術(shù)性應(yīng)用場景容易,，但實現(xiàn)工程化應(yīng)用場景很難。其應(yīng)用落地的復(fù)雜性難題須從多個維度解決,。這包括厘清業(yè)務(wù)邏輯與發(fā)展人工智能理論,，構(gòu)建數(shù)據(jù)集與標簽體系，使場景與算法適配,，以及建設(shè)配套基礎(chǔ)設(shè)施等,。而應(yīng)用落地的成熟度，很大程度上取決于數(shù)據(jù)的準備程度及治理水平,。
人工智能作為一種“賦能工具”,，具有重構(gòu)各行各業(yè)的能力。展望未來,，油氣行業(yè)需要深入了解人工智能發(fā)展的底層邏輯,，以此理論做指導(dǎo)才能準確把握發(fā)展方向。
2022年,，筆者和團隊提出“四個世界模型”,。第一個世界是我們所生活的物理世界，第二個世界是人類認知世界,，第三個世界是機器認知世界,，第四個世界是通過數(shù)字化構(gòu)建的數(shù)字世界。其背后的邏輯是：人們在以數(shù)據(jù)驅(qū)動深度學習為主的人工智能技術(shù)中,，通過傳感器對物理世界的泛在感知,，獲取數(shù)據(jù)和數(shù)字孿生建模，以構(gòu)建數(shù)字世界,，再利用機器學習算法,，通過基于明確機理的計算，使重復(fù)性工作得以自動化,。也可以通過基于不明確機理的推測,，來挖掘和發(fā)現(xiàn)數(shù)字世界的關(guān)聯(lián)，使探索性工作得以突破原有的認知邊界,。還可以通過物理世界與數(shù)字世界的映射互動和“復(fù)合孿生體”的共享,，實現(xiàn)物理世界局部或整體的全生命周期認知、預(yù)測,、優(yōu)化及閉環(huán)控制,。
近年來的實踐證明，在此基礎(chǔ)上建構(gòu)油氣人工智能的理論體系,，可以為油氣人工智能及傳統(tǒng)行業(yè)智能化發(fā)展提供開放,、普惠,、縮放兼容、可度量,、可復(fù)制,、可執(zhí)行的理論架構(gòu)?；谠摷軜?gòu),，可以清晰理解行業(yè)人工智能應(yīng)用發(fā)展的底層邏輯，并為傳統(tǒng)行業(yè)構(gòu)建人工智能應(yīng)用場景提供方法論,。
按照“四個世界模型”,，在生成式大模型出現(xiàn)之前，AI的發(fā)展路徑是通過數(shù)字化轉(zhuǎn)型從物理世界步入數(shù)字世界,，在數(shù)字世界利用機器學習算法,，實現(xiàn)機器認知世界。這是一條“逆時針”的路徑,，與現(xiàn)有組織（企業(yè)）的體制機制是一種解耦的關(guān)系,。而生成式大語言模型，開辟了從物理世界到人類認知世界,，通過對文本語料的學習,，實現(xiàn)機器認知世界。這是一條“順時針”的路徑,，與社會組織架構(gòu)高度耦合,。未來，上述2條路徑將融合協(xié)同,，使機器學習更強大,。我們有理由相信，人工智能將在油氣勘探開發(fā)等領(lǐng)域得到廣泛應(yīng)用,，并基于強大的算力快速完成認知迭代,，在油氣全產(chǎn)業(yè)鏈各環(huán)節(jié)和多場景中形成所需的各類解決方案，提升油氣行業(yè)的生產(chǎn)效率,。與此同時,，在機器認知世界里成長起來的具有空間辨識能力和行動能力的具身智能，也終將走出機器認知世界,，從一種認知方式轉(zhuǎn)變?yōu)樯a(chǎn)方式,，推動包括油氣領(lǐng)域在內(nèi)的各領(lǐng)域進入全新的發(fā)展階段。
（作者肖立志,，系中國石油大學(北京)人工智能學院創(chuàng)院院長）
詳情見鏈接：
http://epaper.cnpc.com.cn/zgsyb/2024-11/26/con-30579.html
（編輯 劉曉琳）
