油气工业AIGC时代已经到来
2024/6/12
关键字：
来源：[互联网]
[中国石油新闻中心2024-06-11]近年来，在国际石油公司（IOC）和国际油服公司（IOS）着力融合勘探、开采、生产、运输和销售等各个领域数据，并开展深度研发AI技术平台的同时，由于OpenAI的ChatGPT/GPT-4已经成为大语言模型（LLM）的热门象征，一些油气公司将开源的LLM作为内部油气LLM项目的模板；另一些油气公司与大型IT科技公司进行合作，开始了在油气领域构建、训练、定制LLM的探索，致力于将LLM技术用于提高油气行业的运营效率、安全性和决策能力。
斯伦贝谢（SLB）
斯伦贝谢开发了大语言模型（LLM），研究解决了数据稀缺和特定领域的语言挑战，展示了该模型在特定油气任务和定性测试中的性能。为此，该公司在油气领域收集了3.3万个多样性数据集，用以训练模型和进行基准测试。结果表明，即使是对特定领域数据进行适当微调的小型模型，也优于在通用语料库上训练的LLM。这突出了在技术领域微调LLM的好处，有助于推进油气行业的LLM发展。
埃克森美孚
埃克森美孚有两种使用、开发LLM的机制。一是将GPT-4的使用限制在内部。二是与私营企业开发了专为石油和天然气行业服务的自定义LLM，使用了PetroWiki、油气行业相关研究论文、开源工单数据和行业报告，增强了当前模型的能力。该模型在数据处理、缩写处理及行业特定任务处理等方面都显示了巨大潜力。
沙特阿美
沙特阿美有两款LLM服务。一是开发了一种TransLing语言模型，可以训练、微调和部署较小的LLM模型，可以与油气行业中的采购、仓储、工厂维护、供应链、财务、销售和营销业务进行自然语言交互，并从描述中查找业务事项和交易，生成准确的信息并输出。这些输出与用户叙述和屏幕上下文一致，可为使用者提供来自业务系统的所需信息，并可根据需求编写报告。二是开发了一种创新LLM框架，实现了对扫描存档文档中知识的提取、知识管理系统（KMS）的搜索和检索功能的扩展，用来查找各类信息，并进行文档间的相似性比较，以实现信息的精准检索。该方法与传统技术相比更加高效，使企业能够充分利用数字档案中的信息。这是对KMS领域的重大贡献。
阿布扎比国家石油公司
阿布扎比国家石油公司开展了关于油气LLM的两个项目。一是启动了第一个钻探专用的GPT-4，使GPT-4能够从钻井数据中学习，以准确有效地服务钻井过程。GPT-4能够为混合结构、非结构化和多种表格形式的数据提供准确答案。它还具有处理和分析大量运营数据的能力，在识别运营异常或停滞方面的价值显著。在钻井领域，这是石油行业第一个使用ChatGPT的试点，其结果显示GPT-4是一款能为钻井工程师提供高效和高质量快速钻井作业的方法和工具。二是采用GPT-4大语言模型分析地质文本描述。其开发的应用程序成功地从非结构化文本中提取了有价值的地质参数及尺度，促进了地下储层的岩石类型和渗透率预测。该项目的持续推进有助于LLM在加强油藏表征、优化生产和改善能源部门的整体决策过程中发挥重大作用。
马来西亚国家石油公司
马来西亚国家石油公司成功地使用LLM搜索大型非结构化数据存储库。系统支持对返回结果进行后续查询，支持内容自动汇总。该系统已集成到马来西亚国家石油公司开发的新型端到端数据挖掘平台中。这一平台不断挖掘非结构化勘探数据以发现新的变化，并将结果编入索引，为非结构化数据查询开辟了一种全新的数据发现方法。
石油工程师协会（SPE）
SPE数据科学与工程分析技术部门一直在与行业同行讨论LLM的使用领域和方式。同时，SPE邀请了近200名SPE会员测试PetroQA（一个可以采用自然语言问答的原型工具），它使用PetroWiki内容向ChatGPT?发送油气行业的特定知识，使用GPT-4从自然语言问题中自动生成准确的图形查询，形成几种提示GPT-4生成正确查询的新技术，并开发了一种先进的缓存机制来减少与云模型的交互，从而减少回答时间和成本。SPE还与一家名为i2k?Connect?AI的公司，以及沙特阿美公司签署了一份备忘录，计划在油气领域开发LLM，帮助油气行业的工程师和研究人员使用LLM解决油气行业中具有挑战性的技术问题。
挪威研究中心
挪威国家研究中心与斯塔万格大学联合研究称，已使用石油行业数据集对7个商业和开源LLM进行了评估，结果显示，GPT-4因其在多项选择和上下文任务中的卓越性能而脱颖而出，它有效地解决了各种具有不同难度级别的一般和特定领域问题。研究证实LLM在提供上下文时，有提供准确响应的潜力。（窦宏恩中国石油勘探开发研究院）