當人工智慧遇上傳統能源行業會怎麼樣？

首先，需要提及的一點是，被大家熱烈談論的人工智慧並不是字面意義上的，能夠在自治系統中自行決策的人工智慧。事實上，其最常見的意思是可預測和分析的演算法，以及允許執行各種任務過程的學習型機器。雖然媒體對其進行了天花亂墜的宣稱，但這些宣傳並非空穴來風。 Oiltech statup OilX的聯合創始人兼首席執行官弗洛里安·泰勒表示，「在普遍的炒作中，確實存在一個跨時代的變化，感測器和石油衛星數據目前呈指數級增長，且並未顯現出任何減緩的跡象，這一現象確實是前所未有的。」

泰勒繼續說道，但是這些數據必須是有序且高質量的。只要被收集到的數據的質量和可靠性足夠好，數據就可用於創建學習型機器平台，該平台可有效地繼續數字石油分析。但這還只是學習型機器的應用，通常並不會被視作人工智慧。一些人認為2019年是人工智慧從理論轉向實踐的一年，軟體開發商Atomiton的首席執行官吉安·任便是其中一位持樂觀態度的專家。

吉安向媒體表示：「最能影響你的公司的事情，就是人工智慧將從理論走向實踐。到目前為止，它主要還是停留在理論層面，人們對如何將其投入實踐以及人工智慧到底能做些什麼仍然心存疑惑。我認為現在人們正在逐漸了解它的潛力，而更多的項目正在實現。基礎設施行業將開始在技術方面採用人工智慧，人工智慧幫助該行業從如何進行工作，指向進行什麼工作，這意味著人工智慧能夠識別需要解決的問題，而不是簡單的收集數據。

就預測方面而言，人工智慧的使用非常普遍，但對於石油和天然氣行業來說有更為具體的例子。例如，它可以幫助石油和天然氣生產商了解油井產量隨時間的變化情況。「我們有很多數據點，假設油井生產的時間足夠長，它的運作就將和其他油井一樣。神經網路允許我們以某種方式對其進行預測。「Rystad Energy高級分析師亞歷山大·拉蒙彭恩如是說。但是與此同時，他也提醒道：「這種技術似乎只適用於預測生產時間足夠長的油井。」

當然，他的說法不無道理：在演算法的幫助下，你擁有的歷史數據越多，對未來良好性能的預測就越準確。根據拉蒙彭恩的說法，這些演算法非常複雜，「你只需將所有這些數據丟給計算機，它就會以某種方式訓練自己預測出最佳值，以便得出儘可能高的準確度。」

到2022年，人工智慧在石油和天然氣市場的價值估計將達到28.5億美元，複合年增長率為12.66%。考慮該技術的發展速度以及它在石油和天然氣領域的應用程度，這也在預料之中。吉安相信明年人工智慧這一概念將被揭開，因為隨著對其工作原理的理解而增長，人工智慧的應用日益廣泛。當然，這種發展並不是一勞永逸的：和其他行業一樣，石油和天然氣方面同樣需要面臨網路安全這一挑戰。

【來源：手機中國】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！