几年来,石油和天然气行业经验丰富的人员流失,造成经验丰富的人员与经验匮乏人员之间的断层。
技术咨询企业Information Services Group(ISG)的Energy Practice总监Tony Mataya表示:“人才问题影响了整个行业,因为这些经验丰富的员工掌握的知识历来是‘艺术和科学’的结合,在勘探、生产、贸易以及石油石化产品的精炼等决策过程中,都要依赖他们掌握的这些知识。”
一种潜在的应对挑战的方法是部署认知技术。 Mataya表示:“认知系统通过捕获可能快要离开企业的高级人员的思维过程和决策能力,部分解决了这种人才流失问题。”
石油和天然气公司也有其他机会利用认知计算。例如,通过组合来自不同来源、经验和经验法则的信息,石油和天然气公司的团队可以根据不完整的信息和历史趋势做出决策。
Mataya表示,“认知计算通过从各种来源获取大量数据,包括来自经验丰富的工程师和技术人员的知识,帮助石油和天然气公司了解趋势和以前的结果,匹配相似的模式,并连接不同的信息来支持决策,从而解决问题。”
Mataya表示,像许多其他行业一样,石油和天然气在采用人工智能等认知技术方面步履迟缓,这是因为缺乏具体的、有形应用领域。
Mataya表示,“认知通常被认为是一个处理与思维相关认知行为的人工智能的子集。” Mataya表示,“由于石油和天然气中的许多应用领域需要直觉与信息相结合,造成难以置信的决策风险,所以应用人工智能和认知概念会提高决策的质量和准确性。”它通过使用更多的完整的数据集,考虑更多的迭代和连接以前被认为是无关的信息来实现这一点。
采用认知技术的关键挑战在于数据质量和可用性、完全不同的数据类型和格式、技能资源的匮乏以及文化因素。
Mataya表示:“考虑到许多流程需要删除错误或不必要的数据,而且这些数据有着不同的格式。”企业需要了解所需的数据,并获得认知系统能够使用的格式的信息。
还需要能够理解所需的数据和认知技术本身的技术人员。将技术精湛的技术资源与行业专家配对是成功的关键。
Mataya表示,“业界专家人数减少,而对他们的知识和经验的需求正在增加。” Mataya表示,“石油和天然气行业历来依赖于思考、直觉和不断增加的复杂数据来做出决定。”
获得更有用的格式的数据,视觉呈现使用了越来越多的计算资源。但是,Mataya表示,让技术接管更多与决策有关的思考,而不是依靠人类的经验和直觉,对这种做法的信任还很缺乏。
好文章,需要你的鼓励
Meta宣布为Facebook Dating推出AI聊天机器人助手,帮助用户找到更匹配的对象。该AI可根据用户需求推荐特定类型的匹配者,并协助优化个人资料。同时推出Meet Cute功能,每周提供算法选择的"惊喜匹配"。尽管18-29岁用户匹配数同比增长10%,但相比Tinder的5000万日活用户仍有差距。AI功能已成为约会应用标配,Match Group等竞争对手也在大力投资AI技术。
字节跳动团队提出RewardDance框架,首次系统性解决视觉生成中的奖励模型扩展问题。该框架通过将奖励预测转为生成式任务,并将模型规模扩展至260亿参数,同时集成任务指令、参考样例和推理能力,有效解决了"奖励作弊"问题。实验显示,在文本生成图像任务中质量提升10.7分,视频生成性能改善49%,达到行业领先水平,为AI视觉创作提供了更强大可靠的技术基础。
Neo4j认为已找到让生成式AI访问图数据库记录的方法。图数据库专注于数据点之间的关系建模和查询,在欺诈检测、推荐引擎等场景中表现出色。2024年4月,ISO批准了图查询语言GQL标准,Neo4j的Cypher查询语言完全符合该标准。现代工具提供拖拽式工作流程,GenAI可作为自然语言接口,将用户请求转换为Cypher查询。
ByteDance团队开发的Mini-o3系统通过深度多轮推理突破了传统AI视觉理解的局限。该系统能像人类侦探般进行几十轮的视觉探索,在困难的视觉搜索任务上准确率达48%,相比现有模型提升显著。核心创新包括挑战性的Visual Probe数据集、多样化推理策略训练和突破性的过轮掩码技术,实现了测试时思考轮数的自然扩展。