油氣人工智能將通向何方?
肖立志 中國石油大學(xué)(北京)人工智能學(xué)院創(chuàng)院院長
2024年9—10月，人工智能（AI）迎來3個(gè)歷史性時(shí)刻——9月12日，OpenAI發(fā)布新模型o1，并稱“在涉及化學(xué)、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(xué)獎揭曉，美國和加拿大科學(xué)家約翰·霍普費(fèi)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(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明；
10月9日，2024年諾貝爾化學(xué)獎揭曉，谷歌旗下AI公司DeepMind的2位科學(xué)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(xiàn)。
這些進(jìn)展表明，基于機(jī)器學(xué)習(xí)的人工智能理論物理基礎(chǔ)牢固，化學(xué)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。
01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(jī)器學(xué)習(xí)的核心要素就是3個(gè)，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(jī)器學(xué)習(xí)算法，深度學(xué)習(xí)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(xué)習(xí)增強(qiáng)了機(jī)器學(xué)習(xí)算法的通用性，促進(jìn)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(jī)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(jì)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(biāo)準(zhǔn)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(jià)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(jìn)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(gè)重點(diǎn)領(lǐng)域，包括“推動智能測井、智能化節(jié)點(diǎn)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(yuǎn)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(zhǔn)確理解提出的問題，并給出具體而詳細(xì)的解決方案。它可以進(jìn)行“創(chuàng)意性寫作”，初步實(shí)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(jī)或復(fù)雜機(jī)器人進(jìn)行操控。2023年12月，卡內(nèi)基梅隆大學(xué)在Nature刊發(fā)的文章顯示，利用ChatGPT-4協(xié)同實(shí)驗(yàn)自動化工具，可以在很短的時(shí)間內(nèi)重現(xiàn)2010年諾貝爾化學(xué)獎獲獎?wù)叩墓ぷ?。它按照文獻(xiàn)和數(shù)據(jù)搜索、制定研究計(jì)劃、執(zhí)行計(jì)劃并自動編程和遠(yuǎn)程操控儀器、進(jìn)行實(shí)驗(yàn)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(bào)告，成功實(shí)現(xiàn)了知識生成的第二種方式，即科學(xué)實(shí)驗(yàn)。
面對這些進(jìn)展，學(xué)術(shù)界部分專家驚呼“超級人工智能已經(jīng)在路上”。一般認(rèn)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(jìn)制運(yùn)算的傳統(tǒng)計(jì)算機(jī)完成的算法智能，以及需要無限次傳統(tǒng)運(yùn)算或者量子計(jì)算機(jī)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(jìn)制計(jì)算機(jī)（無須量子計(jì)算機(jī)）實(shí)現(xiàn)。至此，一個(gè)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(xué)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(shí)，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(yùn)而生，它使大語言模型實(shí)體化和個(gè)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(rèn)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。
02人工智能重塑全球油氣行業(yè)未來
面對數(shù)字經(jīng)濟(jì)時(shí)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(fēng)險(xiǎn)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(shí)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(yùn)、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(jī)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(rèn)知計(jì)算平臺，致力于集成和適配全部機(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)認(rèn)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(jī)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(shí)踐之一，并在2024年實(shí)現(xiàn)了規(guī)?；?。
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(jìn)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(xì)分場景模型。其中，L0基礎(chǔ)大模型包含科學(xué)計(jì)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(jì)算機(jī)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(xué)習(xí)功能，可以對大模型進(jìn)行預(yù)訓(xùn)練，并針對細(xì)分場景進(jìn)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(gè)油氣數(shù)據(jù)，具備“邊用邊學(xué)”的模型優(yōu)化迭代能力。L2部署級細(xì)分場景模型基于模型細(xì)分場景推理，可實(shí)現(xiàn)重采樣、小樣本類別處理的模型微調(diào)，域遷移學(xué)習(xí)和模型蒸餾，以及計(jì)算機(jī)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(xué)習(xí)、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(jìn)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(jìn)展產(chǎn)生深遠(yuǎn)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LumiTM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(jià)值鏈中的數(shù)據(jù)驅(qū)動決策、操作自動化及實(shí)時(shí)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LumiTM平臺的數(shù)據(jù)基礎(chǔ)和人工智能能力，實(shí)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(shí)時(shí)優(yōu)化。同時(shí)，LumiTM的開放架構(gòu)使用了Open Group的OSDU技術(shù)標(biāo)準(zhǔn)。這在國際上引起了高度關(guān)注并逐步成為新的趨勢。
03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(biāo)主要有2個(gè)。
一是對于已知機(jī)理模型的重復(fù)性工作來說，利用人工智能實(shí)現(xiàn)自動化，大幅提高生產(chǎn)效率。
二是對于未知機(jī)理模型的探索性工作來說，利用人工智能擴(kuò)展認(rèn)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(xué)術(shù)性應(yīng)用場景容易，但實(shí)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(gè)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(biāo)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(zhǔn)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(zhǔn)確把握發(fā)展方向。
2022年，筆者和團(tuán)隊(duì)提出“四個(gè)世界模型”。第一個(gè)世界是我們所生活的物理世界，第二個(gè)世界是人類認(rèn)知世界，第三個(gè)世界是機(jī)器認(rèn)知世界，第四個(gè)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(xué)習(xí)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(jī)器學(xué)習(xí)算法，通過基于明確機(jī)理的計(jì)算，使重復(fù)性工作得以自動化。
也可以通過基于不明確機(jī)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(rèn)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(shí)現(xiàn)物理世界局部或整體的全生命周期認(rèn)知、預(yù)測、優(yōu)化及閉環(huán)控制。
近年來的實(shí)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(gè)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(jī)器學(xué)習(xí)算法，實(shí)現(xiàn)機(jī)器認(rèn)知世界。這是一條“逆時(shí)針”的路徑，與現(xiàn)有組織（企業(yè)）的體制機(jī)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(rèn)知世界，通過對文本語料的學(xué)習(xí)，實(shí)現(xiàn)機(jī)器認(rèn)知世界。這是一條“順時(shí)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(jī)器學(xué)習(xí)更強(qiáng)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(qiáng)大的算力快速完成認(rèn)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(shí)，在機(jī)器認(rèn)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(jī)器認(rèn)知世界，從一種認(rèn)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(jìn)入全新的發(fā)展階段。
AI賦能鉆井技術(shù)智能化發(fā)展
哈里伯頓
哈里伯頓與AIQ和阿聯(lián)酋阿布扎比國家石油公司（ADNOC）合作，在ADNOC位于阿布扎比的東北巴布（NEB）油田資產(chǎn)中成功推出了一款A(yù)I自主井控解決方案RoboWell，以提高作業(yè)的安全性和效率。
該公司應(yīng)用了LOGIX自動化和遠(yuǎn)程操作平臺，協(xié)助自主鉆井，簡化油井交付，縮短生產(chǎn)時(shí)間。這一平臺還集成了地質(zhì)導(dǎo)向軟件，顯著提高了井位精度。哈里伯頓的鉆井自動化方案包括使用機(jī)器學(xué)習(xí)和基于物理模型來改進(jìn)轉(zhuǎn)向、管控振動和處理壓力參數(shù)，從而實(shí)現(xiàn)更一致、更可預(yù)測的鉆井交付。
斯倫貝謝
斯倫貝謝（SLB）公司開發(fā)了一個(gè)名為INNOVATION FACTORI的全球網(wǎng)絡(luò)，并在世界各地的主要城市設(shè)立中心。
INNOVATION FACTORI在客戶獨(dú)特的業(yè)務(wù)挑戰(zhàn)背景下，能夠助力客戶加速企業(yè)級人工智能和數(shù)字解決方案的開發(fā)和部署，涵蓋包括勘探、生產(chǎn)和新能源在內(nèi)的多個(gè)領(lǐng)域。這促進(jìn)了客戶與斯倫貝謝數(shù)據(jù)科學(xué)專家之間的合作，以便為特定業(yè)務(wù)需求量身定制數(shù)字解決方案。例如，快速實(shí)現(xiàn)鉆井自動化，部署數(shù)字孿生以優(yōu)化生產(chǎn)，以及通過建模來實(shí)現(xiàn)高效的碳捕集和封存。
威德福
威德福公司成功開發(fā)并應(yīng)用了VeroTM自動鉆井完整性系統(tǒng)。
該系統(tǒng)采用人工智能來最大限度地降低安全風(fēng)險(xiǎn)，并能絕對可靠地驗(yàn)證井的完整性。在從傳統(tǒng)陸上到復(fù)雜深水的應(yīng)用中，VeroTM解決方案為操作員提供了傳統(tǒng)方法無法獲得的準(zhǔn)確性。該系統(tǒng)已在全球范圍內(nèi)實(shí)現(xiàn)了大量應(yīng)用，展示了威德福在關(guān)鍵操作場景中部署AI的能力。
?？松梨?/strong>
埃克森美孚開發(fā)了一種專用的智能鉆井系統(tǒng)，利用AI在深水油氣生產(chǎn)中進(jìn)行自主鉆井作業(yè)。
其智能鉆井系統(tǒng)可以自動設(shè)置最佳鉆井參數(shù)，通過最大限度地減少人為干預(yù)來提高安全性和效率。該公司在圭亞那建立了鉆井自動化試驗(yàn)基地。其深水鉆井平臺“Nono Don Taylor”號在圭亞那作業(yè)的同時(shí)，也作為該公司鉆井自動化的試驗(yàn)平臺從事各種相關(guān)試驗(yàn)與培訓(xùn)工作。
艾奎諾
艾奎諾（Equinor）利用AI技術(shù)進(jìn)行油氣勘探開發(fā)，通過大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法，提高了地質(zhì)模型的準(zhǔn)確性和勘探成功率。
艾奎諾在鉆井規(guī)劃和鉆井過程中生成多個(gè)井眼的軌跡場景，大大加快了規(guī)劃過程，提高了決策效率，實(shí)現(xiàn)了更高效的鉆井作業(yè)并使油氣采收率顯著提高。此外，艾奎諾還利用AI技術(shù)進(jìn)行生產(chǎn)優(yōu)化和故障預(yù)測，降低了運(yùn)營成本，提高了生產(chǎn)安全性。