油氣人工智能將通向何方?
肖立志 中國石油大學(北京)人工智能學院創(chuàng)院院長
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網絡實現(xiàn)機器學習的基礎性發(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結構預測方面的貢獻。
這些進展表明，基于機器學習的人工智能理論物理基礎牢固，化學應用可靠，“超級人工智能”正在快步向我們走來?？梢灶A見，未來若干年，人才和資金將大規(guī)模涌入人工智能領域。
01人工智能賽道正在迎來重大變革
人工智能（AI）聽起來很復雜，但機器學習的核心要素就是3個，即數據（包括數值數據和文本數據）、以人工神經網絡為基礎的算法、由芯片和電力決定的算力。模型訓練的過程，是使損失函數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據，并且在特征提取、模型訓練方面更加出色。深度學習增強了機器學習算法的通用性，促進人工智能產業(yè)的快速發(fā)展。我國正在大力推動數字化轉型。
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，推動數字化轉型和智能化發(fā)展。2022年1月12日，國務院發(fā)布《“十四五”數字經濟發(fā)展規(guī)劃》，加快能源領域數字化轉型，提升能源體系智能化水平。國務院國資委更是連續(xù)10次發(fā)布數字化轉型的方法論和體系架構相關標準T/AIITRE 10001-2020，明確數字化轉型的核心要義是要把基于工業(yè)技術專業(yè)分工取得規(guī)模化效率的發(fā)展模式，逐步轉變?yōu)榛谛畔⒓夹g、數字技術、智能技術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”，其核心路徑是“新型能力建設”，關鍵驅動要素則是“數據”。
2023年3月31日，國家能源局發(fā)布《關于加快推進能源數字化智能化發(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、智能煉廠等在內的智能化應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，對無人機或復雜機器人進行操控。2023年12月，卡內基梅隆大學在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重現(xiàn)2010年諾貝爾化學獎獲獎者的工作。它按照文獻和數據搜索、制定研究計劃、執(zhí)行計劃并自動編程和遠程操控儀器、進行實驗數據采集與處理分析、形成研究結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，學術界部分專家驚呼“超級人工智能已經在路上”。一般認為，人類智能可以分為結構化智能和非結構化智能兩類。結構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“創(chuàng)造”“自主”和“信念”的智能。現(xiàn)在，采用生成式大語言模型，結構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”，即非結構化智能，已經無關緊要了。屆時，以正在形成的硅基智能物種為基礎的具身智能將應運而生，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)生產環(huán)境等閉合場景中生存和行動，從而使人工智能從“數字世界的一種認知方式”，轉變?yōu)椤拔锢硎澜绲囊环N生產方式”。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
面對數字經濟時代的快步到來和智能技術產業(yè)化的巨大沖擊，作為傳統(tǒng)重資產、高投入、高風險行業(yè)的油氣工業(yè)，必須盡快找到數字化轉型和智能化發(fā)展的途徑及實施方案。
油氣領域的人工智能應用目前尚處于起步階段。石油工業(yè)的業(yè)務鏈很長，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的各種大工程、大場景中，需要關注的是隱藏在圖片背后的包括裝備、人員、資金、油氣在內的各種數據流動。而數據的流動又涉及數據的采集、傳輸、處理、應用、復用，以及知識的生產應用、樣品的分析測試、機理模型的形成等。
為了讓數據和知識流動起來，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)務鏈的信息化支撐體系，在量化決策、降本增效、增儲上產、提高效率、轉變生產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、單井產量遞減及含水量預測等業(yè)務場景中開展應用。
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控優(yōu)化系統(tǒng)，是油氣行業(yè)現(xiàn)階段數智化卓越的實踐之一，并在2024年實現(xiàn)了規(guī)?；?。
隨著ChatGPT的問世，生成式人工智能為油氣領域的數智化路徑帶來了新變革，國內外許多數字化頭部企業(yè)紛紛開始進入這一賽道。2023年10月，華為發(fā)布面向油氣領域的大語言模型，其基本架構為L0基礎大模型、L1行業(yè)大模型和L2部署級細分場景模型。其中，L0基礎大模型包含科學計算大模型（千億級參數）、40萬億字節(jié)（TB）文本數據的計算機視覺大模型、30億參數多模態(tài)大模型和10億級圖像預測大模型。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訓練，并針對細分場景進行微調。L1行業(yè)大模型基于專業(yè)知識和模型泛化，可處理超過10萬個油氣數據，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，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，打通模型監(jiān)控、數據回傳、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設施建設將提上日程。這一舉措將對油氣行業(yè)智能化進展產生深遠影響，助推油氣全產業(yè)鏈的流程重構以及數據體系、知識體系的重置。
2024年9月，斯倫貝謝（SLB）在摩納哥發(fā)布LumiTM數據和人工智能平臺。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據驅動決策、操作自動化及實時優(yōu)化。值得關注的是，斯倫貝謝保留了Delfi數字平臺，并通過LumiTM平臺的數據基礎和人工智能能力，實現(xiàn)儲層建模、地震和井筒解釋、定向鉆井和地質導向等工作流程的自動化和實時優(yōu)化。同時，LumiTM的開放架構使用了Open Group的OSDU技術標準。這在國際上引起了高度關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域的應用目標主要有2個。
一是對于已知機理模型的重復性工作來說，利用人工智能實現(xiàn)自動化，大幅提高生產效率。
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。
在人工智能應用研究中，構建學術性應用場景容易，但實現(xiàn)工程化應用場景很難。其應用落地的復雜性難題須從多個維度解決。這包括厘清業(yè)務邏輯與發(fā)展人工智能理論，構建數據集與標簽體系，使場景與算法適配，以及建設配套基礎設施等。而應用落地的成熟度，很大程度上取決于數據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字化構建的數字世界。
其背后的邏輯是：人們在以數據驅動深度學習為主的人工智能技術中，通過傳感器對物理世界的泛在感知，獲取數據和數字孿生建模，以構建數字世界，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)數字世界的關聯(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字世界的映射互動和“復合孿生體”的共享，實現(xiàn)物理世界局部或整體的全生命周期認知、預測、優(yōu)化及閉環(huán)控制。
近年來的實踐證明，在此基礎上建構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、可復制、可執(zhí)行的理論架構。基于該架構，可以清晰理解行業(yè)人工智能應用發(fā)展的底層邏輯，并為傳統(tǒng)行業(yè)構建人工智能應用場景提供方法論。
按照“四個世界模型”，在生成式大模型出現(xiàn)之前，AI的發(fā)展路徑是通過數字化轉型從物理世界步入數字世界，在數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)等領域得到廣泛應用，并基于強大的算力快速完成認知迭代，在油氣全產業(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，從一種認知方式轉變?yōu)樯a方式，推動包括油氣領域在內的各領域進入全新的發(fā)展階段。
AI賦能鉆井技術智能化發(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）油田資產中成功推出了一款AI自主井控解決方案RoboWell，以提高作業(yè)的安全性和效率。
該公司應用了LOGIX自動化和遠程操作平臺，協(xié)助自主鉆井，簡化油井交付，縮短生產時間。這一平臺還集成了地質導向軟件，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器學習和基于物理模型來改進轉向、管控振動和處理壓力參數，從而實現(xiàn)更一致、更可預測的鉆井交付。
斯倫貝謝
斯倫貝謝（SLB）公司開發(fā)了一個名為INNOVATION FACTORI的全球網絡，并在世界各地的主要城市設立中心。
INNOVATION FACTORI在客戶獨特的業(yè)務挑戰(zhàn)背景下，能夠助力客戶加速企業(yè)級人工智能和數字解決方案的開發(fā)和部署，涵蓋包括勘探、生產和新能源在內的多個領域。這促進了客戶與斯倫貝謝數據科學專家之間的合作，以便為特定業(yè)務需求量身定制數字解決方案。例如，快速實現(xiàn)鉆井自動化，部署數字孿生以優(yōu)化生產，以及通過建模來實現(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險，并能絕對可靠地驗證井的完整性。在從傳統(tǒng)陸上到復雜深水的應用中，VeroTM解決方案為操作員提供了傳統(tǒng)方法無法獲得的準確性。該系統(tǒng)已在全球范圍內實現(xiàn)了大量應用，展示了威德福在關鍵操作場景中部署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在深水油氣生產中進行自主鉆井作業(yè)。
其智能鉆井系統(tǒng)可以自動設置最佳鉆井參數，通過最大限度地減少人為干預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基地。其深水鉆井平臺“Nono Don Taylor”號在圭亞那作業(yè)的同時，也作為該公司鉆井自動化的試驗平臺從事各種相關試驗與培訓工作。
艾奎諾
艾奎諾（Equinor）利用AI技術進行油氣勘探開發(fā)，通過大數據分析和機器學習算法，提高了地質模型的準確性和勘探成功率。
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技術進行生產優(yōu)化和故障預測，降低了運營成本，提高了生產安全性。