石油天然氣行業開始嘗試采用Gen AI（生成式人工智能）等新興技術來幫助實現“民主化的”數據訪問，推動更明智的生產決策。
 
 
 
AI工具已廣泛應用石油行業
 
    AI和機器學習已成為塑造幾乎每個行業的無形之手。它是面部識別軟件、垃圾郵件過濾和汽車自動駕駛背后的分析大腦。石油和天然氣行業已經流行起來，部署了一些新系統，幫助鉆井承包商和石油公司根據從鉆機、油井和設施收集的海量數據獲得了強大的感知和預測能力，以及前瞻性的事態掌控。
 
    技術開發人員將AI范疇內的算法視為自動化系統優化鉆井作業的關鍵推動因素。這些因素讓石油公司能更快地完成鉆井作業，同時還能減少鉆井工人所需的物理投入。例如，基于AI的系統能可視化定向井的最佳井眼軌跡，從而節省設計過程中耗時、費力的人工分析，消除了復雜繁瑣的工作。
 
    AI Driller首席執行官兼創始人Marat Zaripov 表示：“AI正在幫助我們消除在BHA（井底鉆具組合）、油井和地層中看到的所有雜亂的信息，幫助我們做出決策。我們的目標是獲取所有這些數據并進行處理，以幫助我們的客戶決定他們現在應該做什么，以及下一步應該做什么”。
 
    盡管這些基于AI的系統在鉆井行業中的應用越來越廣泛，但AI技術本身也在繼續快速發展。基于gen AI的新系統正在出現，它指的是深度學習模型，可以獲取原始數據，并能在提示時學習生成統計上可能的輸出。
 
    本質上，無論是AI還是gen AI，它們對訓練數據的簡化表示進行編碼，并從中提取內容來創建新的模型。生成的模型多年來一直用于分析數值數據。然而，深度學習的興起使得將這些模型擴展到圖像、語音和其他數據類型成為可能。
 
    AWS（Amazon Web Services亞馬遜網路服務系統）能源和公用事業產品營銷主管Jay Shah表示，“有大量數據仍未得到充分利用，我們希望簡化數據的復雜性和交互性，使其民主化。該流程現在可以由組織各個級別的每個人掌握，而不是依靠一組分析師根據某些業務工作流程來確定某些分析或感知的優先級。AI協助讓您可以與數據交互。您可以模擬工作流程來幫助您做出決策。”
 
    然而，尋求在石油天然氣行業部署其技術的技術開發人員表示，石油天然氣行業廣泛采用的gen AI面臨著一些挑戰。首先，石油天然氣公司仍在尋找最適合他們具體需求的、特定的高性能基礎模型。即使這些模型在零售行業和航空航天等領域已被證明是有用的，但這些模型也需要針對石油天然氣的行業特征的進行調整。
 
    其次，據開發人員稱，石油和天然氣公司希望使用這些基礎模型作為依托，在此基礎上他們可以使用公司特定的數據構建差異化的應用程序。由于這些數據是寶貴的知識產權，因此在此過程中必須保持完全受保護、確保安全和數據私密。公司希望這些AI系統與其應用程序無縫集成，而不需要管理龐大的基礎設施集群或導致大量成本投入。
 
    Lucidworks，一家專門從事商業和勞動力應用程序的軟件公司，該公司的全球銷售工程副總裁 Brian Land 表示，“與我們談話的公司肯定希望利用數十年的數據，這些數據被鎖定在孤島中，包括：工程數據、地震數據、熱數據，他們想要解鎖這些數據。我們首先必須為人們提供更好的方式來搜索這些數據。現在的問題是研究在所有數據之上構建智能的最佳方法。這些能源公司設有大數據科學部，負責研究這些數據，并嘗試在其基礎上構建模型。我想這就是我們要去的地方”。
 
AI助力定向鉆井自動化
 
    AI Driller是一家成立于2019年的初創公司，提供名為AI Cloud的鉆機自動化平臺，該平臺使用云服務器上存儲的油井數據來分析和監控鉆井活動。它配備了基于AI和機器學習的鉆井數據處理技術以及傳統的自動化鉆井的實時自動化系統。這使得工程師們能夠獲取歷史鉆井數據，以便他們能提供有效的結果，并提高一致性。
 
    AI Driller工程總監Nasikul Islam表示，“圍繞數據的很多討論都是‘垃圾輸入，垃圾輸出’。如果沒有很好的數據質量作為基礎，很多預測系統都無法發揮作用。AI Driller真正講的是自動化和智能化。我們正在讓鉆井工程師的許多工作自動完成，包括所有那些平凡的、重復性的任務。因此，基于物理的建模對于工程師來說非常重要。但井筒反饋的信息以及井下數據如何與您交談同樣重要。為了建立這些模型，您必須聽取井筒的反饋”。
 
    AI Cloud托管用于管理泥漿馬達（AI Motors）的軟件程序；及早發現防碰撞風險、沖蝕和馬達失速（AI警報）；以及一款用于旋轉鉆進和滑動鉆進自動化的應用程序（AI助手）。該平臺的最新成員AI Spaces，是一款桌面軟件，可處理定向設計、報告、扭矩和摩阻，以及液壓或水力學建模。
 
    該程序于去年啟用，采用基于物理的模型，并根據用戶的歷史油井數據進行校準，以幫助預測新井的最佳軌跡。從本質上講，每當一個公司尋求在某個盆地設計一口新井時，程序中內置的模型都可以使用該公司的歷史油井數據作為基礎來幫助自動投影，可以查看類似條件下所鉆的井的數據來對新井進行自動投影。該程序可提供這些投影和目標軌跡的視覺3D表示。
 
    Zaripov先生表示，“我們正在根據歷史數據有效地訓練模型并對其進行校準。當您將歷史數據與新井軌跡相匹配時，模型可以做出假設。如果我的模型已經校準，我就可以繼續尋找。如果我想在某個盆地鉆4830m的水平段，我可以查看該盆地的所有數據，從模型中獲取假設，開始設計我的新井。在此過程中，我們使用我們的工具和AI方法來執行人們以往手工設計油井的日常工作流程”。
 
    用戶還可以將設計的井眼與在同一鉆井平臺上所鉆的現有的井進行繪制，最大限度地減少與其它井眼碰撞的風險。Zaripov先生說，“我們會自動嗅出碰撞風險。過去手工計算需要20分鐘，現在我們可以在一秒鐘內完成。通過采用確保井眼分離避免碰撞的全自動化的所有流程，我們節省了更多時間。如果我是平臺經理，這可以節省大量時間”。
 
    Islam先生表示，在AI Spaces計算出最佳井眼軌跡后，用戶可以利用AI Cloud平臺的其余功能來確保這一軌跡高效執行。旋轉鉆井助手模塊采用機器學習算法來自動執行自動司鉆設定值，例如鉆壓和機械鉆速。AI警報模塊采用預測的AI模型和傳感器數據告知鉆井隊潛在的井下異常，例如卡鉆和井下鉆具、鉆頭出現嚴重的振動，自動向鉆井隊發出警報。這有助于在潛在的事故釀成之前減輕其影響。
 
    Islam先生說，通過將這些任務自動執行，定向鉆井工程師可以更有效地利用他們的時間。 “一些公司可以在Spaces中設計油井并創建鉆井軌跡，然后將數據發送給自動鉆機執行。每口井都可以有一個每天鉆915m的優化軌跡，我們需要幫助工程師執行這項任務。有了這些工具，我們實際上可以頓足石油公司或定向工程師以及司鉆專注于考證和驗證所做的優化決策”。
 
 
    Lucidworks公司的Fusion平臺使用機器學習模型來索引和存儲來自任何數據源的記錄，在第三方搜索引擎的幫助下，允許用戶立即搜索任何數據。這些模型經過文本分類訓練，這是一種將文本文檔分類為定義類別的自然語言任務處理。
 
AI實現最大化數據管理
    雖然AI技術仍處于廣泛的概念驗證階段，但一些公司已開始推出商業用途的系統。例如，Lucidworks公司自2007年以來一直為多個行業提供機器學習模型，最近在其 Fusion AI 平臺中添加了gen AI和大型語言模型的集成功能。
 
    Land先生將其描述為一個“以事實為基礎的大型語言模型”的平臺。該平臺使用現有的機器學習模型和工作流程來索引和存儲來自任何數據源的記錄。還利用了一個開源搜索引擎Apache Solr和一個用于大規模數據處理的開源分析引擎Apache Spark，每秒處理來自數千個并發用戶的數千個查詢。從本質上講，該平臺允許組織內的任何人立即搜索任何數據。
 
    雖然gen AI的實用功能已在其他行業得到了使用，但尚未在石油和天然氣行業中應用。Land先生說，“我們在金融、醫療保健和零售領域的客戶已經在使用gen AI的功能，但在能源行業，他們現在才剛剛談論這個問題。他們想要對其進行真正的測試，以確保其準確、安全、私密。對于gen AI，您正在處理的是一些公共模型，因此能源開發商們確實希望確保沒有數據泄漏。但我認為在未來一兩年內，我們將開始看到更多能源領域的概念驗證工作會逐步展開”。
 
    然而，他認為新一代AI平臺可為石油和天然氣行業帶來的好處是顯而易見的。用戶可以利用該技術作為數據存儲和數據訪問平臺，幫助員工找到解決鉆機或井場特定設備問題所需的信息。
 
    更具體地說，對于石油和天然氣行業，gen AI 可以幫助勘探與開發公司優化油田開發，特別是當涉及到識別和建?？山洕行У亻_采的石油資源的主要目標時。當地球物理學家分析地質情況并確定鉆探位置時，他們經常會遇到獲取所需正確信息的挑戰。這些信息被儲存在各個不同的地方和文件格式中，例如文本文件、測井日志、GIS（地理信息系統）文件和照片等。
 
    對于運營長達數十年的大型勘探開發公司來說，內部數據庫通常由高度分散、孤立且無組織的數據組成。這使得工程師和地球物理學家很難使用傳統的搜索應用程序查找和訪問正確的信息?？碧介_發公司面臨的常見問題包括搜索功能差（可用的、用戶可以訪問的相關數據需要很長時間才能搜索和收集到）以及數據標記方式不一致。此外，與過去項目相關的信息和數據有時可能僅存在于經驗豐富的人的頭腦中，而新員工則一無所知、無法訪問、難以見到或無法理解。
 
    Gen AI平臺可以使勘探團隊能夠在需要時快速準確地檢索信息，從而更有效地利用所有可用的數據。這可以帶來更好的決策。
 
    Fusion平臺收集要處理的文檔，同時保持信息安全和光學字符識別（一種將文本圖像轉換為機器可讀格式的過程）。Fusion可通過自然語言處理來分析文檔，并根據文檔的內容對相關性進行分類。
 
    Land 先生說，“在上游，我們需要找到最好的方法來查找地震數據、油井報告和工程報告等信息，這些信息可以幫助公司做出價值數十億美元的決策。 我們正在將大量大數據（例如50 GB的地震文件）提取到Fusion平臺中，以便上游工程師能更容易找到這些數據”。
 
    然而，大型語言模型的一個問題是它們的效果取決于用于引發響應的提示。Land先生說，這些模型可以輸出的信息仍然存在一定程度的可變性。因此，根據提示，用戶在單獨使用一個gen AI系統時可能無法獲得預期的結果。
 
    為了消除這種可變性，Lucidworks公司構建了一個具有明確目的的鏈接提示庫，然后用戶可以通過較小的增強功能來選擇和利用這些提示。提示鏈接是一種自然語言處理技術，其中向自然語言處理模型提供一系列提示，指導其產生所需的響應。
 
    除了消除可變性之外，這些提示被稱之為“護欄”，可以幫助對用戶場景進行標準化，使各公司能夠管理和限制最終用戶的交互。例如，可以為某個問題設置回答的邊界，如果有人詢問某個油田的地質情況，護欄可以幫助限制回答，僅討論這個油田。
 
    Land 先生說，“我們從首席信息官那里聽到的一些主要擔憂是，我不希望在輸入查詢時得到錯誤的答案，或者，我不想在不屬于我的企業數據庫的公共網絡上顯示具有競爭的數據，或者，如果我提出問題，我只希望得到關于我所詢問的特定文檔的答復。雖然像ChatGPT這樣的模型是開放的，但我們需要可以限制它的系統”
  
    護欄，或提示序列旨在指導自然語言處理模型在給出特定查詢時產生某些響應，它是幫助標準化用戶與gen AI平臺進行交互的寶貴工具，例如亞馬遜的 Bedrock。
 
Gen AI在能源領域的應用
    Gen AI是最近引領技術創新的一項技術，例如去年推出的亞馬遜Bedrock。超過10000 個組織在制藥、汽車和制造等多個行業使用該服務，為的是能更輕松地搜索歷史和實時數據。目前，該平臺正在進入能源領域。
 
    云服務使各公司能夠通過應用程序編程接口訪問其他AI公司或亞馬遜本身的一系列基礎模型。用戶可以實驗、評估和安全地應用他們的數據來構建自己的Gen AI應用程序。
 
    基礎模型是根據大量數據進行的預訓練的大型機器學習模型。為了自定義這些模型，亞馬遜Bedrock 使用檢索增強生成技術，該技術將基礎模型連接到其他知識源，當用戶搜索特定數據時，亞馬遜Bedrock可以參考這些知識源來挑選出更準確的響應結果。
 
    Shah先生將Bedrock描述為亞馬遜為實現gen AI技術的民主化和簡化gen AI應用程序的開發所做的努力，因為從頭開始構建和訓練一個基礎模型可能是一項非常繁瑣、耗時且成本高昂的工作。Bedrock軟件允許各公司使用各種基礎模型作為構建他們自己本地AI應用程序的基礎，而無需對員工進行編碼培訓，或管理一個AI模型的相關基礎設施。
  
    亞馬遜Bedrock的Guardrails（護欄）可以幫助過濾輸入提示或模型響應中的敏感信息，例如員工數據。公司可以設置敏感數據的參數，如果在提示中檢測到任何相關內容，該模型將阻止任何相關信息。它們是公司在搜索中限制可用信息類型的有效工具。
 
    Shah 先生說，“沒有一種模型可以滿足一個組織所需的一切”。 “您需要模型選擇和靈活性。Bedrock真正提供的是針對不同的用例和組織內不同約束條件（如成本、速度、延遲）來部署不同模型的能力。您正在為針對不同的用例開發和部署不同的模型提供基礎”。
 
    盡管Shah先生表示，AWS正在與鉆井承包商討論可能在明年啟動試點計劃，但目前尚未有鉆井承包商使用 Amazon Bedrock。然而，這些系統已經顯示出其在提高石油和天然氣安全方面的價值。 CEPSA是一家西班牙的能源公司，在阿爾及利亞和秘魯境外開展業務，自2018年以來一直使用AWS作為其云計算的提供商。
 
    Bedrock還被用來為CEPSA公司構建智能安全助手。智能安全助手使用歷史事件和未遂事故報告來提高工人的安全。從歷史上看，在向現場技術人員發出工作指令時，通常不會考慮過去的事件和先前已知的風險。但現在，主管人員可以利用gen AI通過總結與當前工單任務相關的事件來準備他們的工單任務。
 
    2023 年，CEPSA公司開始將智能安全助手與 Bedrock 結合使用，以幫助改進安全報告。每當公司的某一設施發生安全事故時，安全人員通常都會收到與事故相關的一般信息，如事故發生的地點或涉及哪些設備。
 
    Shah先生說，“我們希望開發專為特定油田特定設施設計的軟件包。 我們希望使用gen AI來創建一個解決方案，該方案可以獲取天氣數據、歷史事件數據和外部任何其他可變條件的數據，以及對未遂事件進行評估，并將它們與之前發生的類似事件聯系起來。這就像一個個性化的簡報，提供盡可能多的實時數據和盡可能多的歷史背景”。
 
    通過Bedrock，AWS能夠處理涉及安全事件任何設備上傳感器的實時數據，以及涉及這些特定設備的天氣情況和未遂事件。結果就是在智能安全助手中創建一個更詳細的報告，報告可用來通知安全人員。Shah先生表示，這一功能為安全人員處理事故提供了更多背景。
 
Shah先生解釋說：“借助Bedrock和智能安全助手，CEPSA公司能夠獲取不同數據孤島中的歷史事件和險些發生的報告，通過gen AI整合這些數據，從而提高現場工作人員的人身安全。歷史上已知的風險事件在發出工單時并未使用，現在我們可以使用了。這有助于主管人員可通過總結與當前工單和他們將要查看任務相關的事件來準備工單，并了解其背景。過去有哪些險些發生的事件？具體條件和情況又是什么？您正在集成物聯網數據并將其融入到一個安全包中”。