摘 要：經(jīng)歷60載沉浮之后，在2016年人工智能最終以Alphago贏得與李世石的人機世紀對決的這一方式重回焦點。而伴隨著云計算、大數(shù)據(jù)、人工神經(jīng)網(wǎng)絡以及深度學習等新技術(shù)的發(fā)展，人工智能2016年的狂飆突進也成功將這一年命名為“人工智能元年”，在人類發(fā)展的歷程上留下了濃墨重彩的一筆。在日常生活中，機器翻譯、無人駕駛汽車、人臉精準識別等人工智能應用已不是只有在科幻作品中才能出現(xiàn)的場景，而是已經(jīng)開始慢慢滲透進入衣食住行的方方面面。與此同時，在以新技術(shù)的研發(fā)與應用為核心推動力的新一輪產(chǎn)業(yè)革命浪潮中，人工智能也扮演著不可忽視的一股力量。尤其是作為傳統(tǒng)能源行業(yè)的核心技術(shù)領(lǐng)域，油氣的勘探、開發(fā)以及生產(chǎn)都受到了人工智能技術(shù)的影響。通過引入人工智能，可以解決在油氣的勘探開發(fā)以及生產(chǎn)領(lǐng)域遇到的各種非線性問題，提升企業(yè)判斷精準性及決策科學性。[1]本文通過研究分析目前人工智能在油氣行業(yè)的勘探開發(fā)以及生產(chǎn)階段的應用，總結(jié)人工智能對油氣行業(yè)發(fā)展的積極意義，以期為業(yè)界提供參考。

關(guān)鍵詞：人工智能；AI；大數(shù)據(jù)；數(shù)據(jù)標準化；中國海油

中圖分類號：TP18 文獻標識碼：A 文章編號：2096-4706（2017）03-0117-03

Application of Artificial Intelligence in Oil and Gas Industry

WANG Xiaolong

（Information Technology Department of China National Offshore Oil Corporation，Beijing 100000，China）

Abstract： After 60 years of ups and downs， in 2016， artificial intelligence finally won the battle with Li Shishi's Alphago machine， this way back to focus.With the development of new technology of cloud computing， big data， artificial neural network， deep learning and artificial intelligence in 2016 hurricane also successfully will be this year named "artificial intelligence era"， in the process of human development takes an important part.In daily life， Machine Translation， driverless cars， face recognition precision application of artificial intelligence has not only in science fiction to the scene， but has begun to penetrate into all aspects of basic necessities of life.At the same time， in the new wave of industrial revolution with the core of R & D and application of new technology， artificial intelligence is also a force that can not be ignored. Especially， as the core technology field of traditional energy industry， the exploration， development and production of oil and gas have been affected by artificial intelligence technology. By introducing artificial intelligence， we can solve various nonlinear problems encountered in the exploration， development and production of oil and gas， so as to improve the accuracy of enterprise judgment and the scientific decision. Through the research and analysis of the application of artificial intelligence in the exploration， development and production phase of the oil and gas industry， this paper summarizes the positive significance of artificial intelligence to the development of the oil and gas industry， in order to provide reference for the industry.

Keywords： artificial intelligence；AI；data；data standardization； China CNOOC

1 人工智能的發(fā)展[2-3]

人工智能，自遠古時期開始，人工智能的思想便如黑夜中微弱的火花，閃爍在人類對周遭黑暗未知的混沌世界的探索中。最早追溯至古希臘神話時期，在關(guān)于火神赫菲斯托斯的神話里，古希臘人就已經(jīng)提出了智能機器人與人工生物的概念。經(jīng)過歷史長河漫長的洗禮，人工智能終于在近代出現(xiàn)了突飛猛進的發(fā)展。但發(fā)展的過程并非一路通暢，自二十世紀50年代圖靈對人工智能的第一次思考與人工智能作為一門學科在美國達特茅斯大學被正式確立開始，短短六十載，人工智能的發(fā)展已然經(jīng)歷了兩次寒冬。

1.1 人工智能經(jīng)歷的兩次寒冬

雖然在古代的中外神話中已經(jīng)有了人工智能的影子，但人工智能這一概念首次被提出并被進行系統(tǒng)科學的思考，當屬英國數(shù)學家阿蘭·圖靈（Alan Turing）在1950年發(fā)表的《Computing Machinery and Intelligence》開頭中寫的：“我提議大家考慮一下‘機器能不能思維的問題?！彪S后，在1956年的達特茅斯召開的學術(shù)會議上，人工智能正式被定義為一個研究領(lǐng)域。

在此之后，人工智能的發(fā)展進入了快車道，各種領(lǐng)域的研發(fā)成果不斷涌現(xiàn)，形勢一片大好。標志莫過為20世紀60年代中期，美國的人工智能研究得到美國國防部的大量資助，在世界各地建立了實驗室。當時包括人工智能研究創(chuàng)始人在內(nèi)的研究人員對人工智能的發(fā)展非常樂觀，認為二十年后機器將能完成人所能完成的一切工作。

但到了70年代，因為一系列的研究項目的停滯不前，同時基于固定算法的人工智能功能局限，一旦處理事務太復雜，計算量龐大，將成為不可完成的任務，人工智能的研究遭遇到了人們的各種質(zhì)疑，人工智能的發(fā)展進入了第一個冬天。

幾年后，隨著“專家系統(tǒng)”的流行，人工智能迎來第二輪蓬勃發(fā)展。專家系統(tǒng)，是一種針對某個特定專業(yè)領(lǐng)域的問題進行回答或解決的計算機程序，它運用專家所掌握的行業(yè)專業(yè)知識所建立的邏輯規(guī)則來解決問題?！爸R處理”隨之成為人工智能領(lǐng)域研究的焦點。但由于過于狹窄的只能處理相關(guān)專業(yè)問題的問題解決能力與高昂的維護更新成本，隨著80年代PC的出現(xiàn)，人工智能的寒冬再次降臨。

1.2 人工智能的第三個春天[3]

但隨著二十世紀九十年代末以來計算機技術(shù)的飛速發(fā)展，摩爾定律為人工智能的發(fā)展帶來了新的可能性。當飛速提升的計算能力被應用到了人工智能的研究后，顯著提升了人工智能的研究效果。隨后，人工智能迎來了第三個春天。

在這個階段，人工智能的基礎算法得到了長足的進步。在此之前，人工智能只能對線性數(shù)據(jù)進行處理，這極大的限制了人工智能的應用。而伴隨著人工神經(jīng)網(wǎng)絡等研究的重大突破，目前的人工智能可以通過新的基礎算法處理大量復雜非線性數(shù)據(jù)，從而在復雜且不穩(wěn)定的局面下作出科學高效的決策。

在這些算法中，深度學習在2016年得到了爆炸式的傳播。這是因為在2016年這一年，谷歌的AlphaGo擊敗了韓國棋王李世石，成為了第一個擊敗圍棋世界冠軍的人工智能。而在這背后，是AlphaGo開創(chuàng)的無監(jiān)督深度學習。這種算法使得人工智能擺脫了過去60年來一直被奉為主流算法的有監(jiān)督的深度學習，向人工智能的終極目標——模仿人的思維和感情活動邁出了堅實的一步。同時，由于深度學習在處理非線性復雜數(shù)據(jù)方面的能力，也能夠使人工智能應用于油氣行業(yè)的進程大大加快。

2 人工智能在油氣行業(yè)的應用

當前，人工智能在油氣行業(yè)中的應用依然處于探索起步階段，但隨著人工智能的概念慢慢滲透到油氣行業(yè)上中、下、游全產(chǎn)業(yè)鏈，智能油田、智能鉆井、智能管道、智能煉廠等人工智能應用已悄然出現(xiàn)并將成為未來的研發(fā)方向和重點。[4]本文著重介紹目前人工智能在油氣行業(yè)的上游產(chǎn)業(yè)即勘探與開發(fā)、鉆井與完井以及生產(chǎn)運營方面的應用。

2.1 勘探與開發(fā)

人工智能在油氣勘探與開發(fā)方面的應用最早可以追溯到上世紀80年代中期。開發(fā)人員運用人工智能并基于當時比較先進的計算機技術(shù)，開發(fā)了一批能夠有效解決勘探開發(fā)中所遇到的實際問題的實用應用技術(shù)。在這些技術(shù)的基礎上，隨著人工智能與計算機硬件結(jié)構(gòu)水平的飛速發(fā)展，已滲透到石油勘探開發(fā)的各個環(huán)節(jié)，對石油工業(yè)產(chǎn)生了重要的影響。

人工智能在勘探開發(fā)的應用不僅僅只有國外公司獨占鰲頭，中國海油也成功運用了神經(jīng)網(wǎng)絡技術(shù)以及概率推理算法進行致密氣的勘探。中國海油在鄂爾多斯盆地東緣擁有臨興與神府兩個致密氣勘探區(qū)塊。面對與常規(guī)油氣截然不同的勘探局面，研究人員創(chuàng)新技術(shù)借鑒使用人工智能、統(tǒng)計學習等算法，在降低勘探風險、提高探井成功率方面取得了不俗的成果。臨興-神府地區(qū)地下地質(zhì)情況復雜，有一套主力致密氣層隱藏在煤層之下，在地震勘探上，煤層是一個強反射層，屏蔽了這套致密氣層的反射特征，使得這套致密氣層的勘探尤為困難。借鑒人工智能中的神經(jīng)網(wǎng)絡方法，結(jié)合地球物理反演理論，訓練地震數(shù)據(jù)體與氣層特征指示曲線的神經(jīng)網(wǎng)絡映射模型，預測這套氣層的展布范圍，降低勘探方面的風險。由于屬于致密薄儲層，巖石含氣與否所造成的巖石的彈性參數(shù)特征差異較小，造成氣層預測困難，運用以統(tǒng)計學經(jīng)典理論貝葉斯理論作為基礎的概率推理算法，解決了巖石是否含氣的判別，大幅提高了薄氣層預測的準確度。

2.2 鉆井與完井[4]

在鉆完井領(lǐng)域，人工智能也得到了應用。美國西南能源公司及阿納達科石油公司將機器學習應用于鉆井位置決策，提升鉆井的投資回報率。BP及阿布扎比石油公司將機器學習應用到鉆井卡管實時預測，經(jīng)過系統(tǒng)學習預判摩擦事件的征兆，可以讓司鉆在卡管發(fā)生之前校正管柱下入的方法。此外，國際油氣公司通過預測性分析技術(shù)來提高水平鉆井和壓裂的功效。另外，在鉆井領(lǐng)域，自動化鉆機、自動垂直鉆井、MWD/LWD、旋轉(zhuǎn)導向鉆井、智能鉆桿、自動控壓鉆井、遠程專家決策支持中心等具里程碑意義的重大技術(shù)裝備的出現(xiàn)，標志著鉆井已進入自動化鉆井完善階段，鉆井自動化、信息化水平大幅提升，提速降本效果顯著。自動化鉆井已成為當今鉆井的核心技術(shù)和核心競爭力。從鉆井前沿技術(shù)、重點攻關(guān)技術(shù)和超前儲備技術(shù)來看，人工智能逐漸引入鉆井工程，鉆井智能化方面的研究不斷深入，推動了鉆井逐漸向智能鉆井方向邁進。國外正在研制一種機器人鉆井系統(tǒng)，配備智能鉆臺機器人、智能排管機器人等智能化設備，可取代鉆臺工人和井架工。未來智能鉆機有望具備連續(xù)起下鉆、連續(xù)循環(huán)、連續(xù)送鉆、連續(xù)下套管等功能。

國外還在研制電動智能連續(xù)管鉆井系統(tǒng)，通過智能連續(xù)管向井下供電，驅(qū)動井下電動智能導向鉆井系統(tǒng)，具備連續(xù)起下鉆和連續(xù)循環(huán)功能，同時實現(xiàn)數(shù)據(jù)的高速、大容量、雙向傳輸。電動智能連續(xù)管鉆井系統(tǒng)將會成為實現(xiàn)未來智能鉆井的另一個重要途徑。

2.3 生產(chǎn)運營

在生產(chǎn)運營方面，澳大利亞的Woodside公司運用人工智能技術(shù)解決了一系列生產(chǎn)安全相關(guān)的問題。

（1）機器學習預測模型事故征兆。2013年，Woodside公司在液化天然氣脫酸環(huán)節(jié)裝置產(chǎn)生大量泡沫，造成生產(chǎn)中斷。工程師當時無法判斷裝置是否受到震動，也無法測量氣體在冷管中是否凝固。這個事故成為Woodside開展數(shù)字化轉(zhuǎn)型的重要緣由。企業(yè)希望在海量傳感數(shù)據(jù)、日志數(shù)據(jù)及生產(chǎn)數(shù)據(jù)中找出事故發(fā)生前的征兆信息。因此企業(yè)借助AWS大數(shù)據(jù)平臺構(gòu)建機器學習預測模型，挖掘生產(chǎn)系統(tǒng)20年的歷史運行知識，對每天新增的10GB流數(shù)據(jù)進行分析，預測以上事件發(fā)生的概率，并作出預警，為工程師進行問題調(diào)查和處理爭取到足夠的時間。

（2）部署認知計算系統(tǒng)。Woodside公司擁有30多年技術(shù)知識和工程經(jīng)驗的積累，為了在基礎設施的設計、建設及運營等領(lǐng)域改善決策流程、提高生產(chǎn)效率，Woodside公司于2015年引入IBM的Watson解決方案。工程師可以用自然語言向系統(tǒng)詢問生產(chǎn)設施管理和設計相關(guān)的復雜問題，通過云快速獲取專家知識，幫助相關(guān)人員更快做出決策。

最初企業(yè)用了6到8個月來訓練Watson系統(tǒng)，由工程師提出問題，Watson基于機器學習算法給出答案，最后由工程師對答案進行評估。并通過監(jiān)督學習模式使用正確答案對系統(tǒng)進行訓練。沃森解決方案中機器學習引擎用來分析約2億頁的技術(shù)文檔和報告，根據(jù)這些文檔系統(tǒng)解答工程師詢問的問題。

目前認知系統(tǒng)已經(jīng)投入生產(chǎn)，企業(yè)數(shù)百人正在使用這個產(chǎn)品解決工作中的問題。例如海上平臺設計過程中如何處理海床松動的問題，Woodside工程師在不必查詢海量資料或?qū)ふ乙粋€相關(guān)知識豐富的專家，直接向系統(tǒng)詢問便可在幾秒內(nèi)獲得相關(guān)信息，大大提高問題解決效率。用戶對答案的相關(guān)性和準確性進行反饋，這將進一步提升系統(tǒng)的學習能力，使未來提供的解答更加準確。

除了在安全問題上對人工智能的應用，在生產(chǎn)運營的其他領(lǐng)域也出現(xiàn)了一批人工智能的應用。如BP石油公司在美國的切里波音特煉化廠利用神經(jīng)網(wǎng)絡技術(shù)建立識別分析模型，可以識別生產(chǎn)過程中的影響因素，有效改善SPC（統(tǒng)計過程控制）系統(tǒng)的監(jiān)控能力。中國石化在煉化裝置全生命周期管理中應用了聚類、分類分析、神經(jīng)網(wǎng)絡、灰度模型等機器學習方法對設備運行狀態(tài)的劣化趨勢進行預測，降低生產(chǎn)裝置非計劃停車，減少了“過修”和“失修”現(xiàn)象。

油氣行業(yè)應用人工智能的建議。正如《哈佛商業(yè)評論》的前執(zhí)行主編尼古拉斯卡爾在其《IT不再重要》一書中提出的觀點：“科學技術(shù)的普及速度越來越快，而且這種普及會使得科技更像是一種通用的公共事業(yè)服務。”因此，面對人工智能技術(shù)的飛速發(fā)展，不僅油氣行業(yè)，所有行業(yè)的公司企業(yè)最終都會運用人工智能解決生產(chǎn)管理上的問題，從而達到提質(zhì)提效降本的目標。應用人工智能并不一定能夠帶給企業(yè)競爭優(yōu)勢，但違逆大勢的企業(yè)必將失去競爭優(yōu)勢。所以，面對人工智能的潮流，油氣行業(yè)的從業(yè)者應該積極主動去思考將人工智能應用于自身行業(yè)的成功切入路徑。

本輪人工智能的潮流有三個方面的特征：第一，對計算能力的要求很強，需要依仗GPU（圖形處理單元）對大量復雜的線性結(jié)構(gòu)與非線性結(jié)構(gòu)數(shù)據(jù)進行處理。在過去，企業(yè)要想去應用人工智能，必然需要強大的財力支持，進行GPU采購，搭建GPU計算平臺。而目前全球大型IT企業(yè)紛紛共享自己的計算能力，只需接入互聯(lián)網(wǎng)即可享受谷歌、Facebook等IT巨頭的強大計算能力支持，因此目前企業(yè)擁有先進的計算能力已不再是優(yōu)勢。第二，算法作為人工智能發(fā)展的基石，擁有無可比擬的重要性。但人工智能算法本身就是開源的，而且隨著人工智能的擴散，算法會變得更加開源更加通用。例如谷歌就已將自己的開源人工智能開發(fā)系統(tǒng)Tensor Processing Unit進行了共享，使得并不懂得人工智能算法的人也可以通過這個系統(tǒng)調(diào)用人工算法去應用人工智能。第三，唯一的應用門檻是數(shù)據(jù)。因為人工智能的應用雖然是基于計算能力和算法的，但不斷的訓練學習卻是賦予人工智能真正思考問題并解決問題能力的方法。而大量的數(shù)據(jù)是進行訓練的唯一工具。因此，當計算能力和算法已不再是阻礙的時候，數(shù)據(jù)成為了人工智能應用的唯一門檻。

因而，掌握大量行業(yè)數(shù)據(jù)和行業(yè)知識，并能善用這些數(shù)據(jù)的企業(yè)將能脫穎而出，傳統(tǒng)企業(yè)應當充分借助技術(shù)革命的契機實現(xiàn)AI轉(zhuǎn)型。然而，在外部技術(shù)條件已經(jīng)具備的情況下，中國油氣行業(yè)應當在以下方面積極采取行動：（1）企業(yè)數(shù)據(jù)標準化以提升數(shù)據(jù)集成能力。在過去的二三十年的信息化建設中，油氣企業(yè)已經(jīng)積累了大量數(shù)據(jù)，但也受累于分散建設標準缺失等原因，數(shù)據(jù)標準化程度差強人意。盡管許多企業(yè)通過ERP大集中方式已經(jīng)對經(jīng)營管理數(shù)據(jù)實現(xiàn)了相當大程度的標準化，但在生產(chǎn)領(lǐng)域數(shù)據(jù)標準化程度仍然不高，這將嚴重影響企業(yè)數(shù)據(jù)質(zhì)量和整合利用的效率。因而，企業(yè)范圍數(shù)據(jù)標準化迫在眉睫。（2）數(shù)據(jù)采集自動化以提升數(shù)據(jù)質(zhì)量。據(jù)GE公司統(tǒng)計，全球范圍內(nèi)僅有3%-5%的油氣設備應用了數(shù)字技術(shù)。此外，在海上鉆井平臺方面，平均每座平臺擁有30000個生產(chǎn)數(shù)據(jù)的傳感器，但通常，僅有不到1%的數(shù)據(jù)能夠用于決策制定。此外，在中國油氣企業(yè)仍然存在許多一線人員人工數(shù)據(jù)輸入的情況，由于缺乏有效監(jiān)督和審核手段，導致數(shù)據(jù)質(zhì)量較低。因此，一方面應對提升對已有設備或傳感器自動采集數(shù)據(jù)的利用，另外可考慮增加移動智能終端的使用以提升現(xiàn)場人員工作效率和精度。（3）企業(yè)數(shù)據(jù)整合以提升數(shù)據(jù)綜合利用能力。盡管中國油氣企業(yè)已經(jīng)基本實現(xiàn)信息化全覆蓋，但許多企業(yè)的數(shù)據(jù)現(xiàn)狀是數(shù)據(jù)散落在不同的系統(tǒng)，在不同業(yè)務部門存儲和管理，此外，由于數(shù)據(jù)管理思維落后、管理機制不健全、管理手段缺失，常常以信息安全為由致使數(shù)據(jù)共享阻礙重重效率低下。（4）提升認知轉(zhuǎn)變管理方式。當前企業(yè)在數(shù)據(jù)管理方面普遍的做法是，業(yè)務部門擁有數(shù)據(jù)，IT部門管理數(shù)據(jù)。在許多油氣企業(yè)，這就造成“業(yè)務部門想用不知道怎樣用，IT部門想管不敢管”的狀況。在AI時代，數(shù)據(jù)無疑是企業(yè)最為核心資產(chǎn)和生產(chǎn)要素。企業(yè)應當將數(shù)據(jù)作為資產(chǎn)在企業(yè)層面來進行戰(zhàn)略運營，而不是像當前這樣將其作為信息系統(tǒng)的產(chǎn)物來進行IT管理。

人工智能大門已經(jīng)開啟，每個企業(yè)遲早都將應用，用未必有競爭優(yōu)勢，而不用則一定處于競爭劣勢。中國油氣行業(yè)巨頭，主動積極的運用人工智能最大化利用自身經(jīng)歷大量行業(yè)實踐所積累的數(shù)據(jù)，是進行積累沉淀自我實力，培養(yǎng)競爭優(yōu)勢，未來一舉成為行業(yè)領(lǐng)軍企業(yè)的絕佳途徑。

參考文獻：

[1] 李懷科，鄢捷年，耿鐵.人工神經(jīng)網(wǎng)絡在石油工業(yè)中的應用及未來發(fā)展趨勢探討 [J].石油工業(yè)計算機應用，2010（02）：35-38.

[2] Wikipedia， Artificial Intelligence[DB/OL]，https：//en.wikipedia.org/wiki/Artificial_intelligence#cite_note-AI_funding_in_the_60s-23.

[3] 顧凡及.人工智能的第三個春天 [J].科學，2016（03）.

[4] 楊金華，邱茂鑫，郝宏娜，趙旭，郭曉霞.智能化——油氣工業(yè)發(fā)展大趨勢 [J].石油科技論壇，2016（06）：36-42.

作者簡介：王小龍（1977.11—），男，山東人，目前就職于中國海洋石油總公司信息化部綜合處，初級職稱，畢業(yè)于清華大學計算機科學與技術(shù)系，大學本科。研究方向：長期關(guān)注信息技術(shù)發(fā)展趨勢及其在企業(yè)的應用，當前專注于大數(shù)據(jù)及人工智能對于傳統(tǒng)企業(yè)轉(zhuǎn)型之影響研究。