除了微软和谷歌之外,一个拥有百年历史的行业——石油和天然气——也希望生成人工智能能够使石油生产更加高效,并减轻工人的工作负担。
早在当前生成性人工智能 (Gen AI) 热潮兴起之前,能源行业就已经通过使用数据来识别石油和天然气矿藏,从而运用了传统人工智能。
但业界看到了通过 Gen AI 节省资金、减少事故和降低温室气体的更大潜力,因为 Gen AI 可以成倍地增加和多样化可供分析的数据。
新的人工智能程序还可以广泛应用于劳动力市场,而不再像传统人工智能那样仅限于程序员和数据分析师。
AlphaSense 的内容营销专家 Tim Hafke 最近写道:“从钻井活动产生的大量数据中提取这些数据历来对行业领导者构成了重大挑战。这就是 Gen AI 发挥作用的地方。”
近年来,包括将原油加工成汽油的炼油厂在内的下游行业越来越依赖所谓的数字孪生,即实际设施的计算机模型复制品。
它们允许公司运行模拟来评估实际设施中的运营问题、减轻潜在危险并进行预测性维护(PdM)。
PdM 使用历史和当前数据来预测未来的性能并确定何时应拆卸或更换零件进行维护。
微软副总裁马修·科纳 (Matthew Kerner) 将此视为生成式人工智能的切入点,一种“解释预测模型为什么会做出这样的预测”并提供更好地解决问题的背景的方法,他在能源会议 CERAWeek 的小组讨论中解释道。
科纳说:“Gen AI 可以作为其他一些更具预测性的 AI 系统的补充。”
行业软件公司 Aveva 的 Rob McGreevy 在小组讨论中表示,类似于世界著名的 ChatGPT 的下一代聊天机器人也可以为实地员工提供帮助。
McGreevy 表示,数据丰富的聊天机器人可以让遇到问题的油田或炼油厂工人测量湿度等大气条件和井口压力等运行性能,以快速诊断问题。
在几秒钟内获得详细的报告可以快速解决问题,从而节省时间和金钱。
“风险较小”
软件公司 Palantir Technologies 能源和自然资源主管马修·巴宾 (Matthew Babin) 表示,在炼油厂维护期间,“你会把工人置于危险的环境中工作。如果你能更快地完成这些周转,你面临的风险就会更小。”
巴宾说,人工智能可以“为正在做决策的人们提供背景信息,即使这超出了他们的专业领域”。
“因此,如果我是一名油藏工程师,我不需要了解维护,但当我考虑该资源将如何运作以及这会给我的组织带来多少成本时,我必须了解维护,”巴宾补充道。
石油设施需要定期检查或离线维护。
McGreevy 说,Gen AI 界面提供了“访问维护手册的权限,这样你就可以了解如何维护该设备”,所有这些都通过聊天机器人以通俗易懂的英语呈现。
这样的系统还可以简化修复工作本身,消除决策过程中的猜测。
例如,该技术可以允许公司使用设施的计算机模型来确定是否有足够的空间使用梯子或安装脚手架,McGreevey 说。
麦格里维表示,这还可以帮助新员工:“我认为我们可以大大缩短新员工熟练掌握大规模安全操作这些设施所需的时间。”
人工智能带来的更高效率也为减少石油设施的碳足迹创造了机会。但运行该技术也需要大量电力,主要是在数据中心。