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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。