能源行业是高科技驱动的行业。由于需要在苛刻的条件下在大型设施中处理各种自然资源数据，石油和天然气行业长期以来一直使用数据和分析来提高流程效率。近年来，能源行业的企业开始加大对各类人工智能的应用，通过各种方式进行探索，试图了解如何进一步提高能源效率。随着大数据技术、低成本计算资源和七大人工智能应用模式的广泛普及，能源行业可以更全面、更便捷地从人工智能和机器学习中获取实际价值。哈里伯顿公司首席数据科学家兼技术研究员SatyamPriyadarshy博士哈里伯顿公司首席数据科学家兼技术研究员SatyamPriyadarshy博士表示，在能源行业等受到高度监管的行业采用人工智能往往面临独特的挑战。在最近的AIToday播客中，他分享了过去十年能源行业使用数据方式的变化、AI和ML的具体用例，以及区域战略对AI技术的整体影响。人工智能技术在当今能源行业有哪些实际应用？SatyamPriyadarshy博士：能源行业一直在业务生命周期的各个阶段使用数据科学和AI解决方案，并且此前取得了不同程度的成功。但随着大数据技术的全面普及，此类解决方案在能源行业的拓展范围和部署规模也越来越大。例如，企业现在可以使用无人机拍摄的视频来实时分析传输管道的泄漏程度、太阳能电池板上的灰尘量或风力涡轮机叶片的弯曲程度。我们是第一个基于石油和天然气行业的非结构化数据构建自然语言编程算法和部署AI解决方案的公司，以减少资金浪费并近乎实时地创建可操作的见解。能源行业目前已经在100多个场景中部署了商业用例，通过简单的集群到复杂的深度学习算法产生了不同程度的经济价值。成功的核心标志之一在于iEnergy（油气行业首个混合云解决方案）等云平台的开发和部署，以及OpenEarh.community行业开放接入平台的正式上线。能源行业目前在人工智能应用中面临哪些现实挑战？SatyamPriyadarshy博士：目前人工智能和数据科学在能源行业的应用面临的挑战可以概括为“FEAR”，其中包括四大挑战：第一性原理（First-principles）。科学和工程一直主导着能源行业，但长期的惯性让许多专业人士难以大规模思考和实施数据科学和人工智能解决方案。新兴技术的发展速度（Evolutionary）与行业实际应用情况不匹配。事实证明，正是由于这种技术差距，行业不得不浪费大量时间和资源来寻找构建能源数据科学模型所需的数据集。如果不填补这一空白，人工智能在能源行业的影响将永远难以扩大。成就掩盖了新兴解决方案的真正意义，从行业评论中可以清楚地看出，能源行业一直是高性能计算和海量数据分析的先驱。面对如此根深蒂固的思维模式和自然反应（Reactive），数据科学和AI要想真正发挥解决效率问题的作用，首先需要驱动行业进行深刻的变革和变革。您如何看待过去十年中能源行业数据使用方式的变化？SatyamPriyadarshy博士：几十年来，能源行业一直在创建各种多维、多变量和多样化的数据集。但即使在今天，从海量数据中提取价值仍然是一项艰巨的挑战。近十年来，大数据技术、云计算范式和平台方法的迅速成熟和全面普及，使得行业数据的实际应用取得了长足的进步。但就价值优化和最大化而言，能源行业距离建立“数据原生业务”还有很长的路要走。从石油和能源行业的角度来看，处理数据和人工智能问题的实际挑战是什么？SatyamPriyadarshy博士：根据麦肯锡公司的调查结果，CNBC于2015年3月发表了一篇名为《石油企业正被无法使用的数据所吞没》的报告。故事的症结在于，石油和天然气行业实际上只使用了所有收集到的数据的1%，而高管们却渴望使用其中的95%。为什么实践与愿景之间存在如此巨大的差距？因为与其他行业不同，石油和天然气行业面临着极其复杂的数据挑战。从行业的角度来看，数据民主化和数据驱动的创新已经局限于难以共享的小圈子。换句话说，只要数据和文化孤岛仍然存在，任何企业都不可能使用可扩展的人工智能驱动方法从数据中创造价值。AI等新兴技术浪潮下，大型组织如何实施变革管理？SatyamPriyadarshy博士：数据科学和人工智能已经在各个行业证明了它们巨大的战略价值和经济潜力。事实上，任何规模的组织都可以享受高度成熟的人工智能应用带来的便利，但这也需要我们将数据科学和人工智能充分融入产品、服务、工作流程和商业模式中。为实现成功整合和成功发展，组织必须在以下领域推动转型：1）在适当的背景下全面理解数据科学和人工智能；2)确保高层领导推动战略变革；3)建立自动化、优化和创新框架；4）寻求合适的人才培养方法；5）为超越技术的数据科学和人工智能解决方案的实施和扩展建立良好的视野。能源行业如何处理与数据相关的安全、隐私、透明度和道德问题？SatyamPriyadarshy博士：传统上，能源行业一直受到高度监管，特别强调运营合规性。因此，业界已经制定了非常成熟的数据治理和安全策略；所以在某种程度上，将数据带入内部模型开发和研究中，有时确实会出现问题。但随着数据科学和人工智能的成熟，行业参与者正在修改或至少开始重新审视数据治理的具体条款，同时部署实时监控数据完整性、透明度和道德规范的解决方案。如今，人工智能部署的最佳实践已经成为各行各业最为关注的核心问题。随着时间的推移，可用信息量将不断增长，实用的解决方案将以敏捷的方式适应数据价值发现的需求，同时不断降低数据使用的风险，提升数据的安全性、隐私性和道德标准。数据驱动的创新。数据科学和数据科学团队的角色在大型组织中发生了怎样的变化？SatyamPriyadarshy博士：数据科学的概念很好理解，就是科学地处理数据。要进行科学实验，需要使用各种工具、技术和假设来提出问题并找到答案。同样，数据科学将利用数据挖掘和统计方法的力量，通过具有可扩展人工智能解决方案的第一性原理工程来推动数据创新。六年多来，我领导了石油和天然气行业的第一个大数据和数据科学卓越中心。事实证明，该中心确实产生了巨大的内部价值，也吸引了众多其他机构的兴趣，逐渐将数据科学和AI解决方案推向更广阔的场景。我们的开创性工作证明，数据科学团队、领域或主题专家以及业务领导者之间的共同创新方法可以为组织带来可观的经济价值。我们开发了一种SMARTDigitalRM方法，通过教育和实践示例为数据科学和业务团队配备技术能力，指导他们在数据科学和AI解决方案方面取得成功。您认为在围绕AI技术培训员工的过程中最需要解决的核心需求是什么？SatyamPriyadarshy博士：已经有数百个关于AI主题的课程可以帮助公众快速了解这一深刻的技术变革。然而，人工智能和数据驱动创新的实践需要在正确的上下文中以正确的内容进行知识转换。在过去六年我们立足于油气行业的全球人才培养中，我们为专业人士举办了很多人才转型研讨会、新兵训练营和高级课程，发现这种培训更有针对性，也更容易上手。量化培训方法所带来的实际效果远远超出广义的劳动力培训课程。此外，我们还非常注重新时代高管的知识修养。总之，油气或能源行业数据科学家的招聘、管理和留用方式，在制度乃至文化层面都必须有别于其他行业，必须认清这一基本前提。您还参与了帮助毛里求斯制定人工智能战略的工作。能说说具体情况吗？SatyamPriyadarshy博士：好的。2019年，我有幸受邀成为毛里求斯共和国人工智能委员会成员。作为顾问之一，我的任务是帮助该国成功实施使用数据驱动的创新和人工智能的举措。这也是毛里求斯未来十年远景规划的重要组成部分。该委员会的职责包括制定行动计划，提出和评估正确的人工智能解决方案，从而为毛里求斯的国民经济、社会经济活动以及顶尖人工智能人才和企业提供更好的发展环境。该委员会由来自毛里求斯以及世界其他国家的从业人员组成。未来几年你期待哪些人工智能技术？SatyamPriyadarshy博士：人工智能代表的不仅仅是一项技术，而是一片创新的蓝海。人工智能应用将在未来几年对每个人的工作和生活产生全方位的影响。我个人认为人工智能将在三个关键领域产生深远的影响，即自动化、优化和创新。例如，要使用数字孪生方法模拟钻井工作流程，需要将平台上的组件集成、吸收、执行和模拟以实现完全自动化。能源行业的工作流程非常复杂，面临诸多挑战，因此人工智能技术的运用对于优化效率和生产力具有重要的现实意义。随着新兴技术的发展，数据驱动的人工智能技术有望为能源行业的现场环境带来更多即用型创新解决方案。简而言之，数据科学和人工智能将为我们的业务带来更大的弹性、可持续性和安全性，并帮助从业者应对更复杂的现实世界挑战。当然，这一切也需要组织在充分利用以SMARTDigitalTM为代表的新方法的同时努力克服FEAR。
