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
法国AI公司Mistral发布开源模型Mistral Small 3.2-24B,在3.1版本基础上改进指令遵循、输出稳定性和函数调用可靠性。新版本可在单个A100/H100 80GB GPU上运行,降低了企业部署门槛。虽然整体架构未变,但在指令准确性和减少重复输出方面有显著提升,同时保持Apache 2.0开源许可。
NVIDIA研究团队揭示了训练AI模型同时掌握数学推理和编程能力的突破性方法。通过精心设计的监督学习和强化学习协同训练,他们发现仅用数学题训练就能显著提升编程能力。研究提出了温度调节、阶段性训练等关键技术,最终的AceReason-Nemotron 1.1模型在多项权威测试中达到业界领先水平,为AI跨领域能力发展提供了新范式。
微出行行业正经历转型,从早期疯狂扩张转向可持续商业模式。在布鲁塞尔微出行欧洲会议上,多家初创企业展示创新解决方案:英国Convoy推出自行车货运改装套件;德国Azora Charge开发太阳能充电停车站;Fleetser打造二手电动车辆交易平台;意大利Switch将AI应用于车队管理;波黑Zapp推出特许经营超级应用;法国J2R设计时尚电动摩托车;德国Trace Mobility提供商业智能服务。这些企业代表着微出行产业的新发展阶段。
弗吉尼亚理工大学推出AR-RAG技术,让AI像拼图高手一样在生成图像时动态检索参考片段。该技术突破传统"闭门造车"模式,实现边生成边参考,显著提升图像质量和细节准确性。提供免训练DAiD和优化训练FAiD两种方案,在多个权威测试中创造同规模模型最佳成绩。