人工智能帮助石化行业降低开支，提高生产力

发布日期：2018-01-08 浏览次数：93

　　工业革命 - 从机械化到电气化和大规模生产，再到自动化 - 直以来都是用机器取代人的肌肉。对于许多可能面临裁员威胁的工厂工人来说，这已经够吓人的了。但是第四次革命更多的是用人工智能（AI）取代人脑力量，这个革命带来了更多的工人难以接受的变化。

　　人工智能可以为石油和天然气公司带来直接的影响 - 降低开支，提高生产力，改进工作方法 - 但能源公司采用现有技术的速度很慢。这可能与安全问题，成本，甚至对获得的好处缺乏了解。

　　但是，这也可能与人类无法理解黑盒子里发生的事情有很大关系。

　　Publicis.Sapient 直试图将其AI技术应用于能源行业，帮助石油和天然气公司优化钻井作业，特别是在页岩气行业。尽管些公司专注于帮助石油公司找出钻探的地方，但Publicis.Sapient使用数据分析钻井周围的其他信息 - 井的使用寿命以及钻井旦开始后如何指导钻井。

　　“ 些公司分析他们钻石的地方，然后分析他们需要去的深度。但是使用这些模型的平台在机器学习上可以更快。“Haq说。“第二部分，当您水平钻取时，是如何根据您获得的数据来指导钻取。个简单的方式来看待它，这取决于传感器正在阅读什么，并与历史数据相关联。我们知道传感器说的是什么，知道过去的钻井是什么样的岩石，以及是否损坏了设备。我们正在收集传感器数据，并与历史数据进行比较。现在我们知道我们打这种摇滚的可能性很大。“

　　有不同类型的AI。而且在某些情况下，这项技术正在接受个类似的过程，即人类会遵循的训练。但是机器可以更快，更准确地完成。

　　Haq提供的个例子涉及钻井期间的报警管理。他解释说：“通常当他们钻探时，所有的东西都有传感器，而且他们会在什么时候停止，什么时候改变方向等等方面得到很多警报。“有控制报警和错误报警。对于错误报警，他们必须停止钻探，然后队工程师进行系列测试 - 他们正在审查传感器数据和地球物理模型，试图弄清楚这是否会造成问题。“

　　这是个手动过程，工程师必须经过，决定什么是虚假警报，或者是否需要真正停止过程。Haq说：“因果推理引擎可以通过与工程师完全相同的步骤来决定是否是虚惊。“这对节省了工程时间。其次是更少的错误。“

　　因果推理是种类型的AI。机器学习是另外个逻辑对人脑来说看起来如此陌生的人。当Google的AlphaGo AI在2016年击败了高端的Go玩 Lee Sedol，然后在2017年打败了Go 军Ke Jie时，它的做法完全违反了Go专的直觉。它早早就采取行动，古代战略游戏的任何人类专都会考虑死亡。

　　“因果推理系统不会自行学习。你必须手动创建本体，“Haq解释说。“但是，它可以找到其他人，如人类需要很长时间才能找到的相关性。”

　　另方面，机器学习让计算机以种人类不会想到的方式思考。Haq指出：“模型通常不是人类可以确定的。而这可能令人不安的信任该模型的人。

　　哈克说：“客户经常听到的是他们不相信黑盒子。“如果台机器正在基于从数据中学到的东西来创建个模型，而且我看不到它的逻辑流程，那么我就不适应了。

　　公众。沙克特认为，不仅在石油和天然气行业，而且在所有行业中都是这样。随着越来越多的公司尝试使用AI并证明其优势，在行业中将会有更好的案例。但是这是根植于现有做法的根本挑战，Haq补充道。

　　他说：“很长段时间，相当成功的人们已经使用了地球物理模型。“他们理解为什么事情会发生或不发生的所有步骤。在人工智能方面，他们正在转向个黑匣子。“

　　哈克认为，相反，人工智能所能达到的和人类能理解的东西需要有个融合。“这不是个解决的问题。他说，在接下来的五年内，人们可能会采取并看到如何将两者结合在起。“在学术界，大约50％的研究是可解释的AI（XAI）。你能在模型中找到人类可以理解的临时步骤吗？这些东西需要开始融合并取得进展。那么我们会看到更多的吸收。“

　　因此，变更管理是将AI技术引入石油钻井作业的重要组成部分。“可信度部分是与数学起工作，并且谈论语言的同页面，以及为什么要做你正在做的事情，”哈克说，他对发现地质学对数据缺乏信心有点惊讶。“花了我们些时间来理解他们对于个模型的看法。地质学就像物理学，数据科学更像经济学。“

　　但是为了真正利用机器学习的脑力，人类需要能够信任他们接收到的数据，这样做可能并不直观。正如柯杰在接受AlphaGo采访时所说：“他看到的是整个宇宙，而我们所看到的只是我们面前的个池塘。”