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(jī)世紀(jì)對(duì)決的這一方式重回焦點(diǎn)。而伴隨著云計(jì)算、大數(shù)據(jù)、人工神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)等新技術(shù)的發(fā)展，人工智能2016年的狂飆突進(jìn)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(jī)器翻譯、無(wú)人駕駛汽車、人臉精準(zhǔn)識(shí)別等人工智能應(yīng)用已不是只有在科幻作品中才能出現(xiàn)的場(chǎng)景，而是已經(jīng)開(kāi)始慢慢滲透進(jìn)入衣食住行的方方面面。與此同時(shí)，在以新技術(shù)的研發(fā)與應(yīng)用為核心推動(dòng)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(kāi)發(fā)以及生產(chǎn)都受到了人工智能技術(shù)的影響。通過(guò)引入人工智能，可以解決在油氣的勘探開(kāi)發(fā)以及生產(chǎn)領(lǐng)域遇到的各種非線性問(wèn)題，提升企業(yè)判斷精準(zhǔn)性及決策科學(xué)性。[1]本文通過(guò)研究分析目前人工智能在油氣行業(yè)的勘探開(kāi)發(fā)以及生產(chǎn)階段的應(yīng)用，總結(jié)人工智能對(duì)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(biāo)準(zhǔn)化；中國(guó)海油

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(yuǎn)古時(shí)期開(kāi)始，人工智能的思想便如黑夜中微弱的火花，閃爍在人類對(duì)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(shí)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(jī)器人與人工生物的概念。經(jīng)過(guò)歷史長(zhǎng)河漫長(zhǎng)的洗禮，人工智能終于在近代出現(xiàn)了突飛猛進(jìn)的發(fā)展。但發(fā)展的過(guò)程并非一路通暢，自二十世紀(jì)50年代圖靈對(duì)人工智能的第一次思考與人工智能作為一門學(xué)科在美國(guó)達(dá)特茅斯大學(xué)被正式確立開(kāi)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(jìn)行系統(tǒng)科學(xué)的思考，當(dāng)屬英國(guó)數(shù)學(xué)家阿蘭·圖靈（Alan Turing）在1950年發(fā)表的《Computing Machinery and Intelligence》開(kāi)頭中寫(xiě)的：“我提議大家考慮一下‘機(jī)器能不能思維的問(wèn)題。”隨后，在1956年的達(dá)特茅斯召開(kāi)的學(xué)術(shù)會(huì)議上，人工智能正式被定義為一個(gè)研究領(lǐng)域。

在此之后，人工智能的發(fā)展進(jìn)入了快車道，各種領(lǐng)域的研發(fā)成果不斷涌現(xiàn)，形勢(shì)一片大好。標(biāo)志莫過(guò)為20世紀(jì)60年代中期，美國(guó)的人工智能研究得到美國(guó)國(guó)防部的大量資助，在世界各地建立了實(shí)驗(yàn)室。當(dāng)時(shí)包括人工智能研究創(chuàng)始人在內(nèi)的研究人員對(duì)人工智能的發(fā)展非常樂(lè)觀，認(rèn)為二十年后機(jī)器將能完成人所能完成的一切工作。

但到了70年代，因?yàn)橐幌盗械难芯宽?xiàng)目的停滯不前，同時(shí)基于固定算法的人工智能功能局限，一旦處理事務(wù)太復(fù)雜，計(jì)算量龐大，將成為不可完成的任務(wù)，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(jìn)入了第一個(gè)冬天。

幾年后，隨著“專家系統(tǒng)”的流行，人工智能迎來(lái)第二輪蓬勃發(fā)展。專家系統(tǒng)，是一種針對(duì)某個(gè)特定專業(yè)領(lǐng)域的問(wèn)題進(jìn)行回答或解決的計(jì)算機(jī)程序，它運(yùn)用專家所掌握的行業(yè)專業(yè)知識(shí)所建立的邏輯規(guī)則來(lái)解決問(wèn)題?！爸R(shí)處理”隨之成為人工智能領(lǐng)域研究的焦點(diǎn)。但由于過(guò)于狹窄的只能處理相關(guān)專業(yè)問(wèn)題的問(wèn)題解決能力與高昂的維護(hù)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(gè)春天[3]

但隨著二十世紀(jì)九十年代末以來(lái)計(jì)算機(jī)技術(shù)的飛速發(fā)展，摩爾定律為人工智能的發(fā)展帶來(lái)了新的可能性。當(dāng)飛速提升的計(jì)算能力被應(yīng)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(lái)了第三個(gè)春天。

在這個(gè)階段，人工智能的基礎(chǔ)算法得到了長(zhǎng)足的進(jìn)步。在此之前，人工智能只能對(duì)線性數(shù)據(jù)進(jìn)行處理，這極大的限制了人工智能的應(yīng)用。而伴隨著人工神經(jīng)網(wǎng)絡(luò)等研究的重大突破，目前的人工智能可以通過(guò)新的基礎(chǔ)算法處理大量復(fù)雜非線性數(shù)據(jù)，從而在復(fù)雜且不穩(wěn)定的局面下作出科學(xué)高效的決策。

在這些算法中，深度學(xué)習(xí)在2016年得到了爆炸式的傳播。這是因?yàn)樵?016年這一年，谷歌的AlphaGo擊敗了韓國(guó)棋王李世石，成為了第一個(gè)擊敗圍棋世界冠軍的人工智能。而在這背后，是AlphaGo開(kāi)創(chuàng)的無(wú)監(jiān)督深度學(xué)習(xí)。這種算法使得人工智能擺脫了過(guò)去60年來(lái)一直被奉為主流算法的有監(jiān)督的深度學(xué)習(xí)，向人工智能的終極目標(biāo)——模仿人的思維和感情活動(dòng)邁出了堅(jiān)實(shí)的一步。同時(shí)，由于深度學(xué)習(xí)在處理非線性復(fù)雜數(shù)據(jù)方面的能力，也能夠使人工智能應(yīng)用于油氣行業(yè)的進(jìn)程大大加快。

2 人工智能在油氣行業(yè)的應(yīng)用

當(dāng)前，人工智能在油氣行業(yè)中的應(yīng)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(yīng)用已悄然出現(xiàn)并將成為未來(lái)的研發(fā)方向和重點(diǎn)。[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(kāi)發(fā)、鉆井與完井以及生產(chǎn)運(yùn)營(yíng)方面的應(yīng)用。

2.1 勘探與開(kāi)發(fā)

人工智能在油氣勘探與開(kāi)發(fā)方面的應(yīng)用最早可以追溯到上世紀(jì)80年代中期。開(kāi)發(fā)人員運(yùn)用人工智能并基于當(dāng)時(shí)比較先進(jìn)的計(jì)算機(jī)技術(shù)，開(kāi)發(fā)了一批能夠有效解決勘探開(kāi)發(fā)中所遇到的實(shí)際問(wèn)題的實(shí)用應(yīng)用技術(shù)。在這些技術(shù)的基礎(chǔ)上，隨著人工智能與計(jì)算機(jī)硬件結(jié)構(gòu)水平的飛速發(fā)展，已滲透到石油勘探開(kāi)發(fā)的各個(gè)環(huán)節(jié)，對(duì)石油工業(yè)產(chǎn)生了重要的影響。

人工智能在勘探開(kāi)發(fā)的應(yīng)用不僅僅只有國(guó)外公司獨(dú)占鰲頭，中國(guó)海油也成功運(yùn)用了神經(jīng)網(wǎng)絡(luò)技術(shù)以及概率推理算法進(jìn)行致密氣的勘探。中國(guó)海油在鄂爾多斯盆地東緣擁有臨興與神府兩個(gè)致密氣勘探區(qū)塊。面對(duì)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(jì)學(xué)習(xí)等算法，在降低勘探風(fēng)險(xiǎn)、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(fù)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(gè)強(qiáng)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(luò)方法，結(jié)合地球物理反演理論，訓(xùn)練地震數(shù)據(jù)體與氣層特征指示曲線的神經(jīng)網(wǎng)絡(luò)映射模型，預(yù)測(cè)這套氣層的展布范圍，降低勘探方面的風(fēng)險(xiǎn)。由于屬于致密薄儲(chǔ)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(yù)測(cè)困難，運(yùn)用以統(tǒng)計(jì)學(xué)經(jīng)典理論貝葉斯理論作為基礎(chǔ)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(yù)測(cè)的準(zhǔn)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(yīng)用。美國(guó)西南能源公司及阿納達(dá)科石油公司將機(jī)器學(xué)習(xí)應(yīng)用于鉆井位置決策，提升鉆井的投資回報(bào)率。BP及阿布扎比石油公司將機(jī)器學(xué)習(xí)應(yīng)用到鉆井卡管實(shí)時(shí)預(yù)測(cè)，經(jīng)過(guò)系統(tǒng)學(xué)習(xí)預(yù)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(guó)際油氣公司通過(guò)預(yù)測(cè)性分析技術(shù)來(lái)提高水平鉆井和壓裂的功效。另外，在鉆井領(lǐng)域，自動(dòng)化鉆機(jī)、自動(dòng)垂直鉆井、MWD/LWD、旋轉(zhuǎn)導(dǎo)向鉆井、智能鉆桿、自動(dòng)控壓鉆井、遠(yuǎn)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(biāo)志著鉆井已進(jìn)入自動(dòng)化鉆井完善階段，鉆井自動(dòng)化、信息化水平大幅提升，提速降本效果顯著。自動(dòng)化鉆井已成為當(dāng)今鉆井的核心技術(shù)和核心競(jìng)爭(zhēng)力。從鉆井前沿技術(shù)、重點(diǎn)攻關(guān)技術(shù)和超前儲(chǔ)備技術(shù)來(lái)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(dòng)了鉆井逐漸向智能鉆井方向邁進(jìn)。國(guó)外正在研制一種機(jī)器人鉆井系統(tǒng)，配備智能鉆臺(tái)機(jī)器人、智能排管機(jī)器人等智能化設(shè)備，可取代鉆臺(tái)工人和井架工。未來(lái)智能鉆機(jī)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(guó)外還在研制電動(dòng)智能連續(xù)管鉆井系統(tǒng)，通過(guò)智能連續(xù)管向井下供電，驅(qū)動(dòng)井下電動(dòng)智能導(dǎo)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(shí)實(shí)現(xiàn)數(shù)據(jù)的高速、大容量、雙向傳輸。電動(dòng)智能連續(xù)管鉆井系統(tǒng)將會(huì)成為實(shí)現(xiàn)未來(lái)智能鉆井的另一個(gè)重要途徑。

2.3 生產(chǎn)運(yùn)營(yíng)

在生產(chǎn)運(yùn)營(yíng)方面，澳大利亞的Woodside公司運(yùn)用人工智能技術(shù)解決了一系列生產(chǎn)安全相關(guān)的問(wèn)題。

（1）機(jī)器學(xué)習(xí)預(yù)測(cè)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(dāng)時(shí)無(wú)法判斷裝置是否受到震動(dòng)，也無(wú)法測(cè)量氣體在冷管中是否凝固。這個(gè)事故成為Woodside開(kāi)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(tái)構(gòu)建機(jī)器學(xué)習(xí)預(yù)測(cè)模型，挖掘生產(chǎn)系統(tǒng)20年的歷史運(yùn)行知識(shí)，對(duì)每天新增的10GB流數(shù)據(jù)進(jìn)行分析，預(yù)測(cè)以上事件發(fā)生的概率，并作出預(yù)警，為工程師進(jìn)行問(wèn)題調(diào)查和處理爭(zhēng)取到足夠的時(shí)間。

（2）部署認(rèn)知計(jì)算系統(tǒng)。Woodside公司擁有30多年技術(shù)知識(shí)和工程經(jīng)驗(yàn)的積累，為了在基礎(chǔ)設(shè)施的設(shè)計(jì)、建設(shè)及運(yùn)營(yíng)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(yǔ)言向系統(tǒng)詢問(wèn)生產(chǎn)設(shè)施管理和設(shè)計(jì)相關(guān)的復(fù)雜問(wèn)題，通過(guò)云快速獲取專家知識(shí)，幫助相關(guān)人員更快做出決策。

最初企業(yè)用了6到8個(gè)月來(lái)訓(xùn)練Watson系統(tǒng)，由工程師提出問(wèn)題，Watson基于機(jī)器學(xué)習(xí)算法給出答案，最后由工程師對(duì)答案進(jìn)行評(píng)估。并通過(guò)監(jiān)督學(xué)習(xí)模式使用正確答案對(duì)系統(tǒng)進(jìn)行訓(xùn)練。沃森解決方案中機(jī)器學(xué)習(xí)引擎用來(lái)分析約2億頁(yè)的技術(shù)文檔和報(bào)告，根據(jù)這些文檔系統(tǒng)解答工程師詢問(wèn)的問(wèn)題。

目前認(rèn)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(gè)產(chǎn)品解決工作中的問(wèn)題。例如海上平臺(tái)設(shè)計(jì)過(guò)程中如何處理海床松動(dòng)的問(wèn)題，Woodside工程師在不必查詢海量資料或?qū)ふ乙粋€(gè)相關(guān)知識(shí)豐富的專家，直接向系統(tǒng)詢問(wèn)便可在幾秒內(nèi)獲得相關(guān)信息，大大提高問(wèn)題解決效率。用戶對(duì)答案的相關(guān)性和準(zhǔn)確性進(jìn)行反饋，這將進(jìn)一步提升系統(tǒng)的學(xué)習(xí)能力，使未來(lái)提供的解答更加準(zhǔn)確。

除了在安全問(wèn)題上對(duì)人工智能的應(yīng)用，在生產(chǎn)運(yùn)營(yíng)的其他領(lǐng)域也出現(xiàn)了一批人工智能的應(yīng)用。如BP石油公司在美國(guó)的切里波音特?zé)捇瘡S利用神經(jīng)網(wǎng)絡(luò)技術(shù)建立識(shí)別分析模型，可以識(shí)別生產(chǎn)過(guò)程中的影響因素，有效改善SPC（統(tǒng)計(jì)過(guò)程控制）系統(tǒng)的監(jiān)控能力。中國(guó)石化在煉化裝置全生命周期管理中應(yīng)用了聚類、分類分析、神經(jīng)網(wǎng)絡(luò)、灰度模型等機(jī)器學(xué)習(xí)方法對(duì)設(shè)備運(yùn)行狀態(tài)的劣化趨勢(shì)進(jìn)行預(yù)測(cè)，降低生產(chǎn)裝置非計(jì)劃停車，減少了“過(guò)修”和“失修”現(xiàn)象。

油氣行業(yè)應(yīng)用人工智能的建議。正如《哈佛商業(yè)評(píng)論》的前執(zhí)行主編尼古拉斯卡爾在其《IT不再重要》一書(shū)中提出的觀點(diǎn)：“科學(xué)技術(shù)的普及速度越來(lái)越快，而且這種普及會(huì)使得科技更像是一種通用的公共事業(yè)服務(wù)?！币虼?，面對(duì)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(huì)運(yùn)用人工智能解決生產(chǎn)管理上的問(wèn)題，從而達(dá)到提質(zhì)提效降本的目標(biāo)。應(yīng)用人工智能并不一定能夠帶給企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)，但違逆大勢(shì)的企業(yè)必將失去競(jìng)爭(zhēng)優(yōu)勢(shì)。所以，面對(duì)人工智能的潮流，油氣行業(yè)的從業(yè)者應(yīng)該積極主動(dòng)去思考將人工智能應(yīng)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(gè)方面的特征：第一，對(duì)計(jì)算能力的要求很強(qiáng)，需要依仗GPU（圖形處理單元）對(duì)大量復(fù)雜的線性結(jié)構(gòu)與非線性結(jié)構(gòu)數(shù)據(jù)進(jìn)行處理。在過(guò)去，企業(yè)要想去應(yīng)用人工智能，必然需要強(qiáng)大的財(cái)力支持，進(jìn)行GPU采購(gòu)，搭建GPU計(jì)算平臺(tái)。而目前全球大型IT企業(yè)紛紛共享自己的計(jì)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(qiáng)大計(jì)算能力支持，因此目前企業(yè)擁有先進(jìn)的計(jì)算能力已不再是優(yōu)勢(shì)。第二，算法作為人工智能發(fā)展的基石，擁有無(wú)可比擬的重要性。但人工智能算法本身就是開(kāi)源的，而且隨著人工智能的擴(kuò)散，算法會(huì)變得更加開(kāi)源更加通用。例如谷歌就已將自己的開(kāi)源人工智能開(kāi)發(fā)系統(tǒng)Tensor Processing Unit進(jìn)行了共享，使得并不懂得人工智能算法的人也可以通過(guò)這個(gè)系統(tǒng)調(diào)用人工算法去應(yīng)用人工智能。第三，唯一的應(yīng)用門檻是數(shù)據(jù)。因?yàn)槿斯ぶ悄艿膽?yīng)用雖然是基于計(jì)算能力和算法的，但不斷的訓(xùn)練學(xué)習(xí)卻是賦予人工智能真正思考問(wèn)題并解決問(wèn)題能力的方法。而大量的數(shù)據(jù)是進(jìn)行訓(xùn)練的唯一工具。因此，當(dāng)計(jì)算能力和算法已不再是阻礙的時(shí)候，數(shù)據(jù)成為了人工智能應(yīng)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(shí)，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(yīng)當(dāng)充分借助技術(shù)革命的契機(jī)實(shí)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(guó)油氣行業(yè)應(yīng)當(dāng)在以下方面積極采取行動(dòng)：（1）企業(yè)數(shù)據(jù)標(biāo)準(zhǔn)化以提升數(shù)據(jù)集成能力。在過(guò)去的二三十年的信息化建設(shè)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(shè)標(biāo)準(zhǔn)缺失等原因，數(shù)據(jù)標(biāo)準(zhǔn)化程度差強(qiáng)人意。盡管許多企業(yè)通過(guò)ERP大集中方式已經(jīng)對(duì)經(jīng)營(yíng)管理數(shù)據(jù)實(shí)現(xiàn)了相當(dāng)大程度的標(biāo)準(zhǔn)化，但在生產(chǎn)領(lǐng)域數(shù)據(jù)標(biāo)準(zhǔn)化程度仍然不高，這將嚴(yán)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(biāo)準(zhǔn)化迫在眉睫。（2）數(shù)據(jù)采集自動(dòng)化以提升數(shù)據(jù)質(zhì)量。據(jù)GE公司統(tǒng)計(jì)，全球范圍內(nèi)僅有3%-5%的油氣設(shè)備應(yīng)用了數(shù)字技術(shù)。此外，在海上鉆井平臺(tái)方面，平均每座平臺(tái)擁有30000個(gè)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(guó)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(dǎo)致數(shù)據(jù)質(zhì)量較低。因此，一方面應(yīng)對(duì)提升對(duì)已有設(shè)備或傳感器自動(dòng)采集數(shù)據(jù)的利用，另外可考慮增加移動(dòng)智能終端的使用以提升現(xiàn)場(chǎng)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(guó)油氣企業(yè)已經(jīng)基本實(shí)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(wù)部門存儲(chǔ)和管理，此外，由于數(shù)據(jù)管理思維落后、管理機(jī)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(rèn)知轉(zhuǎn)變管理方式。當(dāng)前企業(yè)在數(shù)據(jù)管理方面普遍的做法是，業(yè)務(wù)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(wù)部門想用不知道怎樣用，IT部門想管不敢管”的狀況。在AI時(shí)代，數(shù)據(jù)無(wú)疑是企業(yè)最為核心資產(chǎn)和生產(chǎn)要素。企業(yè)應(yīng)當(dāng)將數(shù)據(jù)作為資產(chǎn)在企業(yè)層面來(lái)進(jìn)行戰(zhàn)略運(yùn)營(yíng)，而不是像當(dāng)前這樣將其作為信息系統(tǒng)的產(chǎn)物來(lái)進(jìn)行IT管理。

人工智能大門已經(jīng)開(kāi)啟，每個(gè)企業(yè)遲早都將應(yīng)用，用未必有競(jìng)爭(zhēng)優(yōu)勢(shì)，而不用則一定處于競(jìng)爭(zhēng)劣勢(shì)。中國(guó)油氣行業(yè)巨頭，主動(dòng)積極的運(yùn)用人工智能最大化利用自身經(jīng)歷大量行業(yè)實(shí)踐所積累的數(shù)據(jù)，是進(jìn)行積累沉淀自我實(shí)力，培養(yǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)，未來(lái)一舉成為行業(yè)領(lǐng)軍企業(yè)的絕佳途徑。

參考文獻(xiàn)：

[1] 李懷科，鄢捷年，耿鐵.人工神經(jīng)網(wǎng)絡(luò)在石油工業(yè)中的應(yīng)用及未來(lái)發(fā)展趨勢(shì)探討 [J].石油工業(yè)計(jì)算機(jī)應(yīng)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(gè)春天 [J].科學(xué)，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(shì) [J].石油科技論壇，2016（06）：36-42.

作者簡(jiǎn)介：王小龍（1977.11—），男，山東人，目前就職于中國(guó)海洋石油總公司信息化部綜合處，初級(jí)職稱，畢業(yè)于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系，大學(xué)本科。研究方向：長(zhǎng)期關(guān)注信息技術(shù)發(fā)展趨勢(shì)及其在企業(yè)的應(yīng)用，當(dāng)前專注于大數(shù)據(jù)及人工智能對(duì)于傳統(tǒng)企業(yè)轉(zhuǎn)型之影響研究。