Halliburton首席数据科学家兼技术研究员谈能源行业

能源行业属于高技术驱动性行业。由于需要在严苛的条件下处理大型设备中的各类自然资源数据，石油与天然气行业长期使用数据及分析技术提高流程效率。近年来，能源行业企业开始加大对各类AI这既的应用，通过多种方式做出探索，试图了解如何进一步提升能源利用效率。随着技术、低成本计算资源以及七大AI应用模式的广泛普及，能源行业得以更全面、更便捷地从AI及ML中获取实际价值。

Dr. Satyam Priyadarshy, Technology Fellow and Chief Data Scientist at Halliburton

Halliburton公司首席数据科学家兼技术研究员Satyam Priyadarshy博士

Halliburton公司首席数据科学家兼技术研究员Satyam Priyadarshy博士表示，在能源行业这一受到严格监管的领域内，人工智能的采用往往面临诸多独特挑战。在最近的AI Today播客中，他分享了过去十年以来能源行业在数据使用方式层面的变化，关于AI及ML的具体使用案例，以及各地区战略方针给AI技术带来的整体影响。

AI技术目前在能源行业拥有哪些实际应用？

Satyam Priyadarshy博士: 能源行业一直在业务生命周期中的各个环节使用数据科学与AI解决方案，而且此前已经获得了不同程度的成功。但随着大数据技术的全面普及，这类方案在能源行业中的扩展范围与部署规模也在不断增长。例如，现在企业可以使用无人机拍摄的视频实时分析传送管道泄漏情况、太阳能板上的灰尘规程量或者风力轮机叶片的弯曲程度。我们率先以石油与天然气行业的非结构化数据为基础构建起自然语言编程算法并部署AI解决方案，旨在减少资金浪费并以近实时方式建立具备可操作性的洞见。能源行业目前已经在超过100种场景下部署商业用例，通过简单集群到复杂的深度学习算法产生不同程度的经济价值。获得成功的一大核心标志，在于iEnergy（石油与天然气行业的首套混合云解决方案）等云平台的开发与部署，以及OpenEarh.community行业开放访问平台的正式上线。

目前能源行业在应用AI方面面临着哪些现实挑战？

Satyam Priyadarshy博士: 目前能源行业在应用人工智能及数据科学方面的挑战可以概括为“FEAR”，其中包含的四大主要挑战分别为：

第一原理（First-principles）。科学与工程技术在整个能源行业中一直占据主导地位，但长期积累的惯性导致不少专业人士难以大规模思考并实施数据科学与AI解决方案。

新兴技术的发展（Evolutionary）步伐与行业中的实际应用情况不符。事实证明，正是由于这种技术空缺，导致行业不得不浪费大量时间与资源搜索能够建立能源数据科学模型所需要的数据集。如果这方面空白得不到填补，AI在能源行业中的影响始终难以扩大。

以往的成就（Accomplishment）掩盖了新兴解决方案的真正意义，从业内人士的评论观点中可以明显看出，能源行业一直是高性能计算与海量数据分析领域的先驱。

面对如此根深蒂固的思维模式与自然反应（Reactive），数据科学与AI要想真正在解决效率问题方面发挥作用，首先需要推动行业经历一场深刻的转型与变革。

您如何看待过去十年来，能源行业中数据使用方式的变化？

Satyam Priyadarshy博士: 数十年来，能源行业一直在创造各种多维、多元且多样化的数据集。但即使是在今天，从海量数据中获取价值仍是一项严苛的挑战。过去十年以来，大数据技术、范式以及平台方法的快速成熟与全面普及，使得行业数据的实际应用获得长足进步。但就价值优化与最大化而言，能源行业距离建立“数据原生业务”还有很长的路要走。

从石油与能源行业的角度来看，处理数据与人工智能问题有哪些实际挑战？

Satyam Priyadarshy博士: 根据麦肯锡公司的研究结果，CNBC曾在2015年3月发表一篇报告，标题为《石油企业正被无法使用的数据所吞没》。这篇报道的关键在于，石油与天然气行业能够实际使用的数据仅占全部数据收集量的1%，而高管们的愿望则是利用其中的95%。为什么在实践与愿景之间会存在如此巨大的差距？因为与其他行业不同，石油与天然气行业面临着极为复杂的数据挑战。从行业角度来看，数据大众化与数据驱动型创新一直被限制在难以共享的小圈子之内。换言之，任何一家企业，只要其中仍然存在数据与文化孤岛，就不可能利用可扩展的AI驱动型方案从数据中创造价值。

大型机构是如何在AI等新兴技术浪潮之下实施变更管理的？

Satyam Priyadarshy博士: 数据科学与AI已经在各行各业中证明了自身具备的巨大战略价值与经济潜力。事实上，任何规模的组织都可以享受高成熟度AI应用带来的便利，但这同时也要求我们将数据科学与AI全面集成到产品、服务、工作流与商业模式当中。要获得成功集成、成功发展，组织必须在以下几个领域推进转型：1）在适当背景下全面了解数据科学与AI；2）保证最高领导层有意愿推动战略变革；3）建立起自动化、优化与创新框架；4）寻求正确的人才培养方法；5）在技术之外，为数据科学及AI解决方案的实施与扩展建立良好视图。

能源行业如何处理与数据相关的安全性、隐私性、透明性与道德问题？

Satyam Priyadarshy博士: 从传统角度来讲，能源行业一直受到高度管制而且非常强调运营合规。因此，行业内部已经制定了非常成熟的数据治理与安全策略；所以在某种程度上，将数据引入内部模型开发及研究有时候确实会带来问题。但随着数据科学与AI成熟度的不断提升，行业参与者们正在修改、或者至少开始重新审视数据治理中的具体条款，同时着手部署用于实时监控数据说、透明度以及道德规范的解决方案。如今，AI部署最佳实践已经成为各个行业最关注的核心议题。随着时间推移，可用信息量将不断增长，实践方案也将以敏捷方式适应数据价值发掘需求，同时不断降低数据使用风险，增强数据驱动型创新的安全性、隐私性与道德标准。

大型组织中，数据科学与数据科学团队的角色定位经历了怎样的变化？

Satyam Priyadarshy博士: 数据科学这个概念很好理解，就是对数据进行科学处理。为了进行科学实验，人们需要使用多种工具、技术与假设以提出问题并寻找答案。同样的，数据科学会利用可扩展的AI解决方案通过第一原理工程手段，借助数据挖掘与统计方法的力量推动数据创新。六年多以来，我一直领导着石油与天然气行业的首处大数据与数据科学卓越中心。事实证明，该中心确实产生了巨大的内部价值，也让众多其他组织产生了兴趣，逐步将数据科学与AI解决方案推向更广阔的场景。我们的创举证明，数据科学团队、领域或者主题专家以及业务负责人之间完全可以建立起共通的创新方法，进而为组织带来可观的经济价值。我们已经开发出一种SMART DigitalRM方法，通过教育及动手案例为数据科学及业务团队提供技术能力，引导他们运用数据科学及AI解决方案获取成功。

您认为在围绕AI技术培养劳动力的过程中，最需要解决的核心需求是什么？

Satyam Priyadarshy博士: 目前已经有上百种关于AI主题的课程，能够帮助大众快速认识这一深刻的技术变革。但是，AI与数据驱动型创新的实践，需要在正确的上下文中通过正确的内容进行知识转化。在我们过去六年立足石油与天然气行业推进的全球人才培养过程中，我们先后为专业人士举办过多次人才转型研讨会、新兵训练营与进阶课堂，并发现这种更有针对性、更易于量化的培养方式能够带来远超广义劳动力培养课程的实际效果。此外，我们还高度关注对新时代下高管人员的知识培养。总之，石油与天然气或者说能源行业的数据科学家招聘、管理与保留方法，必然与其他行业存在着制度乃至文化层面的不同，必须明确认识到这个基本前提。

您还参与到帮助毛里求斯制定AI战略的工作当中。能不能聊聊其中的具体情况？

Satyam Priyadarshy博士: 好的。2019年，我有幸受邀成为毛里求斯共和国人工智能委员会的成员。作为顾问之一，我的任务是就如何在利用数据驱动型创新与AI实施举措方面帮助该国取得成功。这也是毛里求斯未来十年远景规划的重要组成部分。委员会的职责包括制定行动计划、提出并评估正确的AI解决方案，由此为毛里求斯的国民经济、社会经济活动以及各顶级AI人才与企业提供更好的发展环境。该委员会由毛里求斯以及全球其他国家的从业者共同组成。

未来几年，您对哪些AI技术抱有期待？

Satyam Priyadarshy博士：人工智能代表的不只是一种技术，而更多是一片创新蓝海。AI应用将在未来几年内给每个人的工作与生活带来全方位影响。我个人认为AI将在三大重点领域带来深远影响，即自动化、优化与创新。例如，要使用数字孪生方法模拟钻井工作流程，就需要对平台上的各组件进行集成、吸纳、执行与仿真，借此实现全面自动化。能源行业的工作流程非常繁杂，而且面临多种挑战，因此使用AI技术对于优化效率及生产力极具现实意义。随着新兴技术的发展，数据驱动下的AI技术有望给能源行业的现场环境带来更多即时可用的创新型解决方案。

总之，数据科学与AI将为我们的业务带来更强大的弹性、可持续性与安全性，帮助从业者应对更为复杂的现实挑战。当然，这一切也要求组织努力克服FEAR，同时充分运用SMART DigitalTM所代表的全新方法。