編者按：我們正處于技術快速發展的時代，人工智能已成為改變各行各業游戲規則的重要因素。當前，石油和天然氣行業面臨的挑戰日趨復雜，需要采用創新的解決方案，以跟上時代發展的步伐，并滿足不斷增長的能源需求。應用人工智能技術有助于探索油氣行業新的可能性，推動油氣行業的智能化、數字化轉型。在應用各種新興人工智能技術的同時，油氣企業也應進一步增強網絡安全意識。

未來，生成式人工智能技術將在油氣行業得到廣泛應用，在提高運營效率、降低健康和安全風險、改善客戶體驗、減少碳排放、加速能源轉型等方面發揮關鍵作用 

生成式人工智能將提高油氣行業生產力

據鉆機地帶網站報道，亞馬遜網絡服務公司（AWS）能源企業技術專家侯賽因·謝爾日前表示，生成式人工智能（Generative AI）將對各行各業產生深遠影響。20多年來，該公司在人工智能和機器學習的開發和部署方面投入了大量資金，用于開發面向客戶服務和公司內部使用的人工智能產品。

“機器學習的下一波浪潮即將到來，生成式人工智能重塑企業為客戶提供服務的方式，這樣的改變會發生在各行各業，包括能源行業。亞馬遜網絡服務公司將幫助推動下一波浪潮，讓客戶輕松、經濟地使用生成式人工智能。”侯賽因·謝爾說。

生成式人工智能是指基于算法、模型、規則生成文本、圖片、聲音、視頻、代碼等內容的技術。去年以來，以ChatGPT為代表的生成式人工智能技術引發全球關注和熱議。

未來，生成式人工智能技術將在油氣行業得到廣泛應用，在提高運營效率、降低健康和安全風險、改善客戶體驗、最大限度減少與油氣生產相關的碳排放，以及加速能源轉型等方面發揮關鍵作用。

多種生成式人工智能技術應用受關注

生成式人工智能可以幫助解決運營現場安全問題。油氣項目通常建設在較為偏遠的地點，有時甚至會處于有害且危險的環境中。如果能減少工人前往現場的次數，避免暴露在危險環境中，工人的健康和安全將得到最大保障。在這方面，生成式人工智能可以發揮重要作用。將現場實時監控圖像發送到生成式人工智能應用程序后，人工智能可以掃描并識別潛在的安全風險，為個人防護和設備檢維修提供建議，最大限度地減少停機操作時間。

此外，生成式人工智能還可用于油藏地質建模。生成式人工智能通過模擬油藏的生成過程合成油藏地質模型。GAN（生成式對抗網絡）是一種流行的生成式人工智能技術，典型的GAN由兩個競爭塊或子網組成，即發生器網絡和鑒別器網絡。GAN發生器網絡經過訓練可以生成與真實油藏相似的合成油藏地質模型，而鑒別器網絡經過訓練可以將真實油藏地質模型與合成油藏地質模型進行區分。經過訓練后，GAN可以生成大量的合成油藏地質模型，用于儲層模擬和優化，減少不確定性，改善油氣產量預測。這些模型還可以用于地熱、CCS（碳捕集與封存）等其他重要的能源領域。

油氣行業還可以應用基于生成式人工智能的數字助理。由于油氣行業的大部分數據都是幾十年前的，并且存在各種系統和格式，數據訪問成了長期困擾油氣行業的問題。例如，油氣公司數十年來以不同格式創建了大量文件，包括pdf、演示文稿、報告、備忘錄、測井日志、文檔等，尋找有用的信息需要花費相當多的時間。通過生成式人工智能數字助理來索引這些文檔，可以極大地改善數據訪問流程，從而更好更快地做出決策。

侯賽因·謝爾認為，現在判斷生成式人工智能對油氣行業的潛在影響還為時尚早，首先要做的是推廣普及生成式人工智能技術。亞馬遜網絡服務公司為客戶和合作伙伴提供了靈活選擇，提供多種生成式人工智能技術服務。基于機器學習的人工智能技術將是最具變革性的技術之一，可以最大限度地提高生產力，負責任地使用人工智能技術是持續推動創新的關鍵。

此前，數據分析和咨詢公司GlobalData也表示，應用機器學習技術將大幅提高油氣行業的生產效率、提高油氣產量并降低成本。bp、埃克森美孚、馬來西亞國家石油公司、沙特阿美、殼牌、俄羅斯石油公司、俄羅斯天然氣工業股份公司和道達爾能源都正在嘗試在油氣生產中應用機器學習技術。

數據科學是油氣行業的未來

數據解決方案公司Prescient的創始人兼CEO安迪·王表示，數據科學是油氣行業的未來，將極大地提高油氣作業效率，降低成本，并增強安全性。數據科學技術涉及機器學習等許多數據工具，這將是未來油氣行業的重要組成部分。越來越多的油氣企業會采用數據科學技術。

在油氣行業應用數據科學技術，首先要了解如何應用技術正確地解決問題，因此目前油氣行業對數據科學專業人才的需求正在增加。總部位于美國休斯敦的Piper-Morgan Search公司的創始人兼總裁格拉德尼·達羅說：“油氣行業對數據科學領域的興趣正在增加，預計這種興趣將轉化為對數據科學專業人才不斷增加的需求，我們已經收到了越來越多的公司咨詢，這將是未來的發展方向。”

位于美國路易斯安那州的oneSource Professional Search公司總裁戴夫·芒特表示，從該公司的油氣公司客戶群來看，對專業數據科學家的需求峰值是在新冠疫情前，在過去兩三年里需求有所放緩。對專業數據人才的需求主要來自陸上非常規頁巖油氣公司，這些公司處于高增長模式，擁有數百口井，有很多數據點可以進行抽樣和統計，而地質分析公司、生產作業公司和礦產開采公司對數據科學人才的需求較小。

“我們不確定是油氣行業對專業數據科學人才的需求整體出現了下降，還是僅僅在我們服務的領域。”芒特說，“我們看到，對能夠在傳統崗位上整合高端統計和數據分析的員工，比如生產分析師、生產工程師和油藏工程師，存在越來越大的需求。”（郝芬 李嵩）