能源行業(yè)屬于高技術(shù)驅(qū)動性行業(yè)。由于需要在嚴苛的條件下處理大型設(shè)備中的各類自然資源數(shù)據(jù)，石油與天然氣行業(yè)長期使用數(shù)據(jù)及分析技術(shù)提高流程效率。近年來，能源行業(yè)企業(yè)開始加大對各類AI這既的應用，通過多種方式做出探索，試圖了解如何進一步提升能源利用效率。隨著大數(shù)據(jù)技術(shù)、低成本計算資源以及七大AI應用模式的廣泛普及，能源行業(yè)得以更全面、更便捷地從AI及ML中獲取實際價值。
Halliburton公司首席數(shù)據(jù)科學家兼技術(shù)研究員Satyam Priyadarshy博士
Halliburton公司首席數(shù)據(jù)科學家兼技術(shù)研究員Satyam Priyadarshy博士表示，在能源行業(yè)這一受到嚴格監(jiān)管的領(lǐng)域內(nèi)，人工智能的采用往往面臨諸多獨特挑戰(zhàn)。在最近的AI Today播客中，他分享了過去十年以來能源行業(yè)在數(shù)據(jù)使用方式層面的變化，關(guān)于AI及ML的具體使用案例，以及各地區(qū)戰(zhàn)略方針給AI技術(shù)帶來的整體影響。
Satyam Priyadarshy博士: 能源行業(yè)一直在業(yè)務生命周期中的各個環(huán)節(jié)使用數(shù)據(jù)科學與AI解決方案，而且此前已經(jīng)獲得了不同程度的成功。但隨著大數(shù)據(jù)技術(shù)的全面普及，這類方案在能源行業(yè)中的擴展范圍與部署規(guī)模也在不斷增長。例如，現(xiàn)在企業(yè)可以使用無人機拍攝的視頻實時分析傳送管道泄漏情況、太陽能板上的灰塵規(guī)程量或者風力輪機葉片的彎曲程度。我們率先以石油與天然氣行業(yè)的非結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)構(gòu)建起自然語言編程算法并部署AI解決方案，旨在減少資金浪費并以近實時方式建立具備可操作性的洞見。能源行業(yè)目前已經(jīng)在超過100種場景下部署商業(yè)用例，通過簡單集群到復雜的深度學習算法產(chǎn)生不同程度的經(jīng)濟價值。獲得成功的一大核心標志，在于iEnergy（石油與天然氣行業(yè)的首套混合云解決方案）等云平臺的開發(fā)與部署，以及OpenEarh.community行業(yè)開放訪問平臺的正式上線。
目前能源行業(yè)在應用AI方面面臨著哪些現(xiàn)實挑戰(zhàn)？
Satyam Priyadarshy博士: 目前能源行業(yè)在應用人工智能及數(shù)據(jù)科學方面的挑戰(zhàn)可以概括為“FEAR”，其中包含的四大主要挑戰(zhàn)分別為：
第一原理（First-principles）。科學與工程技術(shù)在整個能源行業(yè)中一直占據(jù)主導地位，但長期積累的慣性導致不少專業(yè)人士難以大規(guī)模思考并實施數(shù)據(jù)科學與AI解決方案。
新興技術(shù)的發(fā)展（Evolutionary）步伐與行業(yè)中的實際應用情況不符。事實證明，正是由于這種技術(shù)空缺，導致行業(yè)不得不浪費大量時間與資源搜索能夠建立能源數(shù)據(jù)科學模型所需要的數(shù)據(jù)集。如果這方面空白得不到填補，AI在能源行業(yè)中的影響始終難以擴大。
以往的成就（Accomplishment）掩蓋了新興解決方案的真正意義，從業(yè)內(nèi)人士的評論觀點中可以明顯看出，能源行業(yè)一直是高性能計算與海量數(shù)據(jù)分析領(lǐng)域的先驅(qū)。
面對如此根深蒂固的思維模式與自然反應（Reactive），VPS租用，數(shù)據(jù)科學與AI要想真正在解決效率問題方面發(fā)揮作用，首先需要推動行業(yè)經(jīng)歷一場深刻的轉(zhuǎn)型與變革。
您如何看待過去十年來，能源行業(yè)中數(shù)據(jù)使用方式的變化？
Satyam Priyadarshy博士: 數(shù)十年來，能源行業(yè)一直在創(chuàng)造各種多維、多元且多樣化的數(shù)據(jù)集。但即使是在今天，從海量數(shù)據(jù)中獲取價值仍是一項嚴苛的挑戰(zhàn)。過去十年以來，大數(shù)據(jù)技術(shù)、云計算范式以及平臺方法的快速成熟與全面普及，使得行業(yè)數(shù)據(jù)的實際應用獲得長足進步。但就價值優(yōu)化與最大化而言，能源行業(yè)距離建立“數(shù)據(jù)原生業(yè)務”還有很長的路要走。
從石油與能源行業(yè)的角度來看，處理數(shù)據(jù)與人工智能問題有哪些實際挑戰(zhàn)？
Satyam Priyadarshy博士: 根據(jù)麥肯錫公司的研究結(jié)果，CNBC曾在2015年3月發(fā)表一篇報告，標題為《石油企業(yè)正被無法使用的數(shù)據(jù)所吞沒》。這篇報道的關(guān)鍵在于，石油與天然氣行業(yè)能夠?qū)嶋H使用的數(shù)據(jù)僅占全部數(shù)據(jù)收集量的1%，而高管們的愿望則是利用其中的95%。為什么在實踐與愿景之間會存在如此巨大的差距？因為與其他行業(yè)不同，石油與天然氣行業(yè)面臨著極為復雜的數(shù)據(jù)挑戰(zhàn)。從行業(yè)角度來看，數(shù)據(jù)大眾化與數(shù)據(jù)驅(qū)動型創(chuàng)新一直被限制在難以共享的小圈子之內(nèi)。換言之，任何一家企業(yè)，只要其中仍然存在數(shù)據(jù)與文化孤島，就不可能利用可擴展的AI驅(qū)動型方案從數(shù)據(jù)中創(chuàng)造價值。
