X
  • 能源中国IOS版

  • 能源中国安卓版

  • 陇上孟河

X
您的位置 > 首页 -> 中能观察

论坛 | 蒋旺成:让人工智能大模型为油气行业注入新质生产力

来源:中国石油报 时间:2024-06-27 14:12

让人工智能大模型为油气行业注入新质生产力

蒋旺成

  新质生产力的核心在于创新,关键则在于“质”,促进生产力提升的方式应该达到“有足够竞争力门槛”的目标。这意味着不仅要有新的技术突破,而且必须能够大规模复制、普惠全行业。

  如今,各行业实践证明,人工智能将成为新质生产力的强力支撑。其中,大模型及平台能力识别准、漏报少、泛化性强,是人工智能高质量发展的保障,将推动人工智能应用的快速开发和规划的推广复制。

  过去几年里,我们看到很多企业已经在不同程度上开展了人工智能的应用,但在传统的开发模型中,面临着五大挑战:

  一是算法精度低,准确率和误报率难以达到工业级的要求;二是负样本无法穷举,工业场景很多异常样本无法获取,并随着时间推移不断出现新的变化;三是算法通用性差,基于某个场景的应用,到了新的场景后需要重新开发或者优化;四是数据出园区,生产数据需要拿到企业之外训练,带来数据安全的问题;五是人才储备不足,面向人工智能开发的人员技能门槛要求高。

  面对这些人工智能落地难问题,引入新的架构和大模型技术成为破局的关键。新的架构主要指中心训练与边缘推理的两级架构。大模型则包含视觉大模型、预测大模型、自然语言大模型、多模态大模型及科学计算大模型等不同方向。

  在“大模型热”的时候,我们更需要冷静分析,厘清其范畴。首先,大模型不局限于自然语言处理或者对话应用,如ChatGPT。本质上,大模型提出了一个人工智能的新范式,即通过预训练(Pre-trained)的机制,采用Transformer或其他架构达到生成式(Generative)的目标,从而实现人工智能效果的显著提升。其次,大模型并不等同于泛人工智能或者通用人工智能,也不能包治百病。AI大模型、传统模型(也称“小模型”、专用模型)以及机理模型,各有其优势,企业应该按需采用。

  截至目前,能源领域、冶炼领域、勘探开发领域、炼油化工领域的龙头企业都已经进行了大量有益的尝试。尤其是“数实融合”,即“行业Know-how+人工智能大模型”的模式能够加速大模型的落地,已得到了初步成功的验证。综合这些行业龙头企业的实践经验,我认为,油气企业应用人工智能大模型,要从场景规划、架构设计、运营体系三个方面进行全面思考与布局。

  首先,场景规划的布局。各业务部门围绕主航道,从场景价值、可复制性、技术可行性、需求紧迫性等多维度评估筛选,做好场景排序与分阶段实施规划,形成企业维度的场景蓝图。

  其次,布局大模型的部署架构。企业应明确算力规划、数据管理、不同类别大模型架构设计等问题,在企业的两级私有云基础上布局,实现算法与算力资源的云边协同、边用边学和共建共享。

  再次,构建团队保障、能力建设、流程机制保障等完整运营体系,保证企业人工智能的长期运营与持续发展。

  最后,“行业Know-how+人工智能大模型”的模式需要向油气行业专家学习,需要持续加深对行业的业务场景认识,把人工智能开发与运营的能力赋予油气企业,从而激发企业的内生动力,让人工智能的能力外溢,实现场景应用的规模复制与快速推广,为全行业注入新质生产力。(作者单位:华为油气矿山军团解决方案总裁

  责任编辑:余璇