人工智能在全球油气工业领域的应用现状与前景展望.pdf

人工智能在全球油气工业领域的应用现状与前景展望

0 引言

近年来，智能机器人 AlphaGo 和 AlphaGozero 在与人的对弈中，分别战胜了韩国的围棋九

段李世石和中国的柯洁，将人工智能（Artificial Intelligence AI）推向了这场浪潮的

顶峰，使 AI 风靡全球

在数字化浪潮席卷石油行业之际，国际石油巨头纷纷与 IT 业界巨头联合。目前加入到油

气行业的 IT 业界巨头主要有谷歌、思科、微软、英特尔、IBM 以及 Facebook 等。石油巨

头选择跨界与这些 IT 业界巨头携手合作，将 AI 成功应用到了地震勘探与地震数据解释处

理、测井解释、油气层识别、钻完井及采油作业等业务领域，并取得了好的研究成果和实

行多次测试后，如果机器能让真正的人平均做出超过 30%的误判，那么这台机器就通过了

测试，这台机器可被认为具有人类智能

经过分析研究，笔者将 AI 的发展划分为 7 个阶段

第 1 阶段：AI 的诞生。图灵实验成功以后，1956 年，麦卡锡（John Macarthy）、明斯基

（Marvin Minsky）、罗切斯特（Nathaniel Rochester）香农（Claude Shannon）等 10

人在美国新罕布什尔州汉诺威镇的达特茅斯学院召开会议，共同研究和探讨机器如何具有

智能的一系列问题，并首次将这一领域命名为“AI”，标志着 AI 正式诞生。

第 2 阶段：AI 发展期。1956—1970 年期间，1959 年塞尔夫里奇推出了一个模式识别程序，

此后 AI 领域开始换发出蓬勃的生机。麦卡锡研制出了人工智能语言；塞缪尔开发的跳棋

程序击败了州冠军；首台人工智能机器人诞生；专家系统首次亮相；美国斯坦福大学计算

的失败。由此，AI 遭遇了长达 6 年的科研深渊，导致其停滞不前。

第 4 阶段：AI 的第 2 次崛起。1977—1986 年期间，费根鲍姆在第 5 届国际 AI 联合会议上

提出“知识工程”的概念。此后，AI 研究又迎来了以知识工程研究为中心的蓬勃发展期。

英美等国也开始为 AI 和信息技术领域的研究提供大量资金，不仅神经网络等算法得到发

展，而且随着第 5 代计算机发展，研制和发展了人机对话、翻译语言、图像解释、推理机

器人等。卡内基梅隆大学采用 AI 程序设计成功 XCON 专家系统，1986 年之前，专家系统产

业的价值就高达 5 亿美元。

第 5 阶段：AI 进入第 2 次低谷。1987—1990 年期间，苹果和 IBM 公司生产的台式机性能

都已远超当时在专家系统催生下产生的 Symbolics、Lisp Machines 等和 IntelliCorp、

Aion 等计算机硬件和软件公司的系统。因此，曾经轰动一时的专家系统在维持了 7 年后，

望。2016 年，Google DeepMind 开发的 AI 围棋程序 AlphaGo 以 4:1 战胜韩国 9 段围棋冠

军李世石。2017 年，DeepMind 升级后的 AlphaGozero，自学围棋 40 d 后，以 3:0 完胜当

前世界围棋第一人柯洁，AI 获得了爆发性发展，已成为各个领域都可使用的通用技术

（General Purpose Technology，GPT ），引发了各行各业的高度重视。谷歌、微软、百

度等 IT 界巨头、各大研究院所及科技公司纷纷加入到 AI 研究中，掀起又一轮的 AI 狂潮，

随着技术日趋成熟，其被大众广泛接受。

2 AI 关键技术概念及内涵

AI 是一门新兴学科，出现了许多技术概念、术语及名词。其解释和定义不尽相同

2.1 人工智能

笔者对 AI 的定义为：AI 是研究开发类人智能的理论、技术及系统应用的一门新兴学科，

AI 不一定像人一样进行思考，但不等于不能具有人一样的智能，也可能超过人的智能

在学科上，AI 是一门以数学、计算机科学、密码学、自动化、应用心理学、生物学和神经

生理学等为理论基础的新兴边缘学科。在理论上，AI 主要囊括了大数据智能理论、类脑智

能、量子智能等基础理论。在技术上，AI 领域包括自然语言处理技术、智能计算芯片、跨

媒体分析推理、自主无人系统的智能技术等核心共性技术

2.2 机器学习

机器学习（Machine Learning）是研究如何利用计算机进行算法编程、使用各类文字，图

像和声音等多模态样本数据进行训练，发现或者找到规律，使计算机在特定领域中具有学

习能力，获取知识或技能，实现人类的某些行为及目的。机器学习可以构建出在实际复杂

的发展，神经网络的层数超过 3 层它就被称为深度神经网络，也就是深度学习。它将大

千世界表示为一种嵌套的层次概念体系（由较简单概念间的联系定义复杂概念、从一般抽

象概括到高级抽象表示），一种能够使计算机系统从经验和数据中学习而得到提高的技术。

深度学习是让计算机学习样本数据的内在规律和层次表示方法，算法与一般机器学习算法

相比更复杂。它通过学习和处理各类文字、图像和声音等多模态信息，具有学习分析能力，

大台阶。而深度学习成为 AI 目前最主流的算法，打通了各行各业的应用壁垒。

2.4 迁移学习

迁移学习（Transfer Learning）也是一种机器学习方法，它是将在大数据源领域上学习

机器学习方法。通常所说的迁移学习多是指模型迁移。模型迁移是根本性迁移。换句话说，

联邦学习（Federated Machine Learning）是针对数据孤岛和数据隐私问题提出的一种新

机通过网络互相连接起来的数据）基础上的机器学习联合模型。模型训练时，不同地点的

数据（参与方 A 和 B 的数据）在不披露数据的情况下，每个参与方遵守预设的联邦协议。

在该协议的执行过程中，各参与方的隐私数据集、数据特征和标签隐私通过加密形式进行

交换，通过第三方的聚合服务器计算获得中间变量，将加密或混淆后的中间变量与其他参

与方交互，联合训练获得高质量的机器学习模型

2.6 自动学习

自动学习是指自动机器学习（Automated Machine Learning），致力于研究机器学习自动

化实现，用 AI 来自动地设计 AI 的各个环节。在 AutoML 中，将特征提取、模型选择、参

合适的参数和配置，而无需人的干预，使得机器学习模型无需人的干预即可被应用。自动

2.7 区块链

区块链首次出现在《比特币白皮书》中

区块链作为一种使数据库安全而不需要行政机构授信的解决方案，首先被应用于比特币。

区块链是一种由多方共同维护，使用密码学保证传输和访问安全，能够实现数据一致存储、

中的信息不对称、交易成本高、陌生人信任等难题，被认为是继大型计算机、个人电脑、

互联网之后的颠覆式创新

2.8 数字孪生

状态和虚拟状态之间的同速率收敛，并提供物理实体或流程过程的整个生命周期的集成，