至顶网软件频道消息: 尽管目前市场上各行业有关人工智能的接受度仍然不甚理想,但不容置疑的是未来这方面业务将会带来十分可观的收益。
目前,部分企业——包括能源公司在内——在选择采用人工智能(AI)工具方面的进度有些缓慢,究其原因可能是考虑到安全性、成本等问题,或仅仅是因为其对AI的最佳应用实例与相应的回馈效益缺乏一定的了解从而导致没有采用AI工具。
据了解,AI的应用可能会在企业内部——诸如石油与天然气供应商等——产生立竿见影的效果,具体包括削减开支、提高生产力,甚至能够彻底革新这类企业的运作方式。
举例而言,AI在能源行业的主要应用实例可能具体包括寻找最佳钻井地点以减少“误报”次数;快速分析历史数据,并借此为贸易公司提供最佳船舶建议;此外,AI还能够将供应、天气与自然灾害等因素纳入考虑范围,从而为运输燃油的船舶提供最具成本效益与时间效率的路线。
技术咨询公司SapientRazorfish旗下有关人工智能的全球主管Rashed Haq表示,对于石油与天然气公司而言,以下几项主要因素将推动其尽早采用AI。
其一即是生产成本。Hap表示:“石油与天然气行业的价格长期存在不稳定性,故而该领域内的企业越早改善其生产、精炼与分销成本,其收益将越高。在另一方面,应用AI即能够降低勘探与生产的成本。尽管目前并非每个公司都部署了所有的AI使用实例,但AI技术已经广泛应用于不同的流程中,所以我们估计——随着时间的不断推移——AI技术能够将【勘探与开采】方面的成本降低10%左右。”
另一项因素则是该行业内劳动力的逐步老龄化。Hap解释称:“现在已有报道显示,石油与天然气行业内30%至40%的劳动力将会在未来十年内退休,而这些劳动力的离去必然伴随大量技术经验的流失——而这是企业发展所依赖的。因此,转向机器人流程自动化,建立以知识为基础的专家助手即可充分抗衡行业内劳动力老龄化趋势对技术型人才流失的影响。这不仅仅关乎于成本节约问题——据估计,AI技术可以节约近20%至40%的成本,还是一个潜在的运营能力问题。”
此外,企业的综合行政管理(G&A)费用将会呈现持续上涨的趋势。Hap补充道:“在过去的几十年里,大部分企业的G&A呈现不成比例地增长,并且G&A的增长可能会为许多公司造成每桶3美元的成本差异。然而,在采用了AI技术之后,即使是处于G&A低端水平的公司都会有较为明显的改善。”
最后,AI还可以处理公司所面临的安全与风险管理问题。对此,Hap表示:“因为安全与风险管理无法提前得以验证,故而有关这方面的改善总是一个棘手的难题。”
“基于AI的早期预警系统具有明显的优势。甚至在应用了AI技术之后,误报次数得以减少——正如部分公司已经实施的一般——并且各条警报不再必须进行人为介入,故而可节省高达50%的工程时间。”
在各种类型的AI应用中,有助于解决此类问题的AI技术能够在地震分析中提供更好的决策以降低勘探成本;钻井、管道与其他资产的机器学习预测维修;此外,还有优化物流运作以提高库存水平,减少损耗等等。
Hap表示,其他应用场景还包括通过机器人或智能过程自动化以完成许多重复任务,具体包括船舶审查自动化以及更低成本与设备寿命更长的自动化钻井。
最后,Hap补充道:“有些任务在缺乏AI帮助的情况下几乎无法完成,换而言之,这些不仅仅是在降低体力劳动的成本,而是使得该流程在本质上实现可行生——例如将基于单变量的钻井计划与战略转化为基于多因素的使用实例,这种实时使用实例可改善钻井方向与渗透率等。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。