至顶网软件频道消息:贝克休斯通用电气(Baker Hughes GE)和Nvidia开展合作,将人工智能和分析技术引入石油和天然气行业,目标是从传感器、天气、钻井和地震数据中获取数据并令运营更具预测性。
通用电气全球数字产品负责人Binu Mathew表示,Nvidia合作之举可在云系统里的钻机上利用GPU驱动系统,找出与石油钻探相关数据的含义。他表示,“石油和天然气领域里有许多远程操作传感器和收集到的数据,但少有对数据进行分析。”
石油和天然气行业有大量的数据,但数据不一定就是信息和知识。Mathew表示,通用电气将与Nvidia一起建立一些物联网计算模型,目标是提供分析和可操作信息。两家公司的合作已经有大约一年的时间了。
石油和天然气行业还有一个现实,石油行业是个碳氢化合物行业,而生成的数据也很多。一个海上平台平均每年从传感器以及运营和财务运营中生成的数据达50TB之多。
通用电气和Nvidia结成了合作伙伴关系就可以采用Nvidia的核心AI技术和其他技术,然后就可以利用旗下领域知识开发模型和分析软件。 Mathew表示,“Nvidia芯片、该合作伙伴关系以及整个AI生态系统加速了计算能力的增长。我们的分析知识和领域知识迸发出来了。”
具体而言,通用电气在旗下的DGX计算平台上用上了Nvidia的自然语言处理和递归神经网络模型。
通用电气和Nvidia将联手为油气田生产运营行业打造一套基于云的产品。最初一套产品名为Nvidia-Baker Hughes GE合作平台,现在已经上架。
Baker Hughes GE产品的目标是超越传统的模式匹配形式,创建可以更好地预测问题和检测故障的模型。诊断也是关键领域。
Baker Hughes GE数据首席数据科学家Arun K. Subramaniyan表示,Baker Hughes GE数据将AI技术和模型结合在一起,还会将其与数字孪生相结合,对运营进行改善。他表示,“我们将基于物理学的模型与人工智能技术结合在一起。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。