能源行業屬于高技術驅動性行業。由于需要在嚴苛的條件下處理大型設備中的各類自然資源數據，石油與天然氣行業長期使用數據及分析技術提高流程效率。近年來，能源行業企業開始加大對各類AI這既的應用，通過多種方式做出探索，試圖了解如何進一步提升能源利用效率。隨著大數據技術、低成本計算資源以及七大AI應用模式的廣泛普及，能源行業得以更全面、更便捷地從AI及ML中獲取實際價值。

Halliburton公司首席數據科學家兼技術研究員Satyam Priyadarshy博士

Halliburton公司首席數據科學家兼技術研究員Satyam Priyadarshy博士表示，在能源行業這一受到嚴格監管的領域內，人工智能的采用往往面臨諸多獨特挑戰。在最近的AI Today播客中，他分享了過去十年以來能源行業在數據使用方式層面的變化，關于AI及ML的具體使用案例，以及各地區戰略方針給AI技術帶來的整體影響。

AI技術目前在能源行業擁有哪些實際應用？

Satyam Priyadarshy博士: 能源行業一直在業務生命周期中的各個環節使用數據科學與AI解決方案，而且此前已經獲得了不同程度的成功。但隨著大數據技術的全面普及，這類方案在能源行業中的擴展范圍與部署規模也在不斷增長。例如，現在企業可以使用無人機拍攝的視頻實時分析傳送管道泄漏情況、太陽能板上的灰塵規程量或者風力輪機葉片的彎曲程度。我們率先以石油與天然氣行業的非結構化數據為基礎構建起自然語言編程算法并部署AI解決方案，旨在減少資金浪費并以近實時方式建立具備可操作性的洞見。能源行業目前已經在超過100種場景下部署商業用例，通過簡單集群到復雜的深度學習算法產生不同程度的經濟價值。獲得成功的一大核心標志，在于iEnergy（石油與天然氣行業的首套混合云解決方案）等云平臺的開發與部署，以及OpenEarh.community行業開放訪問平臺的正式上線。

目前能源行業在應用AI方面面臨著哪些現實挑戰？

Satyam Priyadarshy博士: 目前能源行業在應用人工智能及數據科學方面的挑戰可以概括為“FEAR”，其中包含的四大主要挑戰分別為：

第一原理（First-principles）?？茖W與工程技術在整個能源行業中一直占據主導地位，但長期積累的慣性導致不少專業人士難以大規模思考并實施數據科學與AI解決方案。

新興技術的發展（Evolutionary）步伐與行業中的實際應用情況不符。事實證明，正是由于這種技術空缺，導致行業不得不浪費大量時間與資源搜索能夠建立能源數據科學模型所需要的數據集。如果這方面空白得不到填補，AI在能源行業中的影響始終難以擴大。

以往的成就（Accomplishment）掩蓋了新興解決方案的真正意義，從業內人士的評論觀點中可以明顯看出，能源行業一直是高性能計算與海量數據分析領域的先驅。

面對如此根深蒂固的思維模式與自然反應（Reactive），數據科學與AI要想真正在解決效率問題方面發揮作用，首先需要推動行業經歷一場深刻的轉型與變革。

您如何看待過去十年來，能源行業中數據使用方式的變化？

Satyam Priyadarshy博士: 數十年來，能源行業一直在創造各種多維、多元且多樣化的數據集。但即使是在今天，從海量數據中獲取價值仍是一項嚴苛的挑戰。過去十年以來，大數據技術、云計算范式以及平臺方法的快速成熟與全面普及，使得行業數據的實際應用獲得長足進步。但就價值優化與最大化而言，能源行業距離建立“數據原生業務”還有很長的路要走。

從石油與能源行業的角度來看，處理數據與人工智能問題有哪些實際挑戰？

Satyam Priyadarshy博士:  根據麥肯錫公司的研究結果，CNBC曾在2015年3月發表一篇報告，標題為《石油企業正被無法使用的數據所吞沒》。這篇報道的關鍵在于，石油與天然氣行業能夠實際使用的數據僅占全部數據收集量的1%，而高管們的愿望則是利用其中的95%。為什么在實踐與愿景之間會存在如此巨大的差距？因為與其他行業不同，石油與天然氣行業面臨著極為復雜的數據挑戰。從行業角度來看，數據大眾化與數據驅動型創新一直被限制在難以共享的小圈子之內。換言之，任何一家企業，只要其中仍然存在數據與文化孤島，就不可能利用可擴展的AI驅動型方案從數據中創造價值。

大型機構是如何在AI等新興技術浪潮之下實施變更管理的？

Satyam Priyadarshy博士: 數據科學與AI已經在各行各業中證明了自身具備的巨大戰略價值與經濟潛力。事實上，任何規模的組織都可以享受高成熟度AI應用帶來的便利，但這同時也要求我們將數據科學與AI全面集成到產品、服務、工作流與商業模式當中。要獲得成功集成、成功發展，組織必須在以下幾個領域推進轉型：1）在適當背景下全面了解數據科學與AI；2）保證最高領導層有意愿推動戰略變革；3）建立起自動化、優化與創新框架；4）尋求正確的人才培養方法；5）在技術之外，為數據科學及AI解決方案的實施與擴展建立良好視圖。

能源行業如何處理與數據相關的安全性、隱私性、透明性與道德問題？

Satyam Priyadarshy博士: 從傳統角度來講，能源行業一直受到高度管制而且非常強調運營合規。因此，行業內部已經制定了非常成熟的數據治理與安全策略；所以在某種程度上，將數據引入內部模型開發及研究有時候確實會帶來問題。但隨著數據科學與AI成熟度的不斷提升，行業參與者們正在修改、或者至少開始重新審視數據治理中的具體條款，同時著手部署用于實時監控數據說、透明度以及道德規范的解決方案。如今，AI部署最佳實踐已經成為各個行業最關注的核心議題。隨著時間推移，可用信息量將不斷增長，實踐方案也將以敏捷方式適應數據價值發掘需求，同時不斷降低數據使用風險，增強數據驅動型創新的安全性、隱私性與道德標準。

大型組織中，數據科學與數據科學團隊的角色定位經歷了怎樣的變化？

Satyam Priyadarshy博士: 數據科學這個概念很好理解，就是對數據進行科學處理。為了進行科學實驗，人們需要使用多種工具、技術與假設以提出問題并尋找答案。同樣的，數據科學會利用可擴展的AI解決方案通過第一原理工程手段，借助數據挖掘與統計方法的力量推動數據創新。六年多以來，我一直領導著石油與天然氣行業的首處大數據與數據科學卓越中心。事實證明，該中心確實產生了巨大的內部價值，也讓眾多其他組織產生了興趣，逐步將數據科學與AI解決方案推向更廣闊的場景。我們的創舉證明，數據科學團隊、領域或者主題專家以及業務負責人之間完全可以建立起共通的創新方法，進而為組織帶來可觀的經濟價值。我們已經開發出一種SMART DigitalRM方法，通過教育及動手案例為數據科學及業務團隊提供技術能力，引導他們運用數據科學及AI解決方案獲取成功。

您認為在圍繞AI技術培養勞動力的過程中，最需要解決的核心需求是什么？

Satyam Priyadarshy博士: 目前已經有上百種關于AI主題的課程，能夠幫助大眾快速認識這一深刻的技術變革。但是，AI與數據驅動型創新的實踐，需要在正確的上下文中通過正確的內容進行知識轉化。在我們過去六年立足石油與天然氣行業推進的全球人才培養過程中，我們先后為專業人士舉辦過多次人才轉型研討會、新兵訓練營與進階課堂，并發現這種更有針對性、更易于量化的培養方式能夠帶來遠超廣義勞動力培養課程的實際效果。此外，我們還高度關注對新時代下高管人員的知識培養?？傊团c天然氣或者說能源行業的數據科學家招聘、管理與保留方法，必然與其他行業存在著制度乃至文化層面的不同，必須明確認識到這個基本前提。

您還參與到幫助毛里求斯制定AI戰略的工作當中。能不能聊聊其中的具體情況？

Satyam Priyadarshy博士:  好的。2019年，我有幸受邀成為毛里求斯共和國人工智能委員會的成員。作為顧問之一，我的任務是就如何在利用數據驅動型創新與AI實施舉措方面幫助該國取得成功。這也是毛里求斯未來十年遠景規劃的重要組成部分。委員會的職責包括制定行動計劃、提出并評估正確的AI解決方案，由此為毛里求斯的國民經濟、社會經濟活動以及各頂級AI人才與企業提供更好的發展環境。該委員會由毛里求斯以及全球其他國家的從業者共同組成。

未來幾年，您對哪些AI技術抱有期待？

Satyam Priyadarshy博士：人工智能代表的不只是一種技術，而更多是一片創新藍海。AI應用將在未來幾年內給每個人的工作與生活帶來全方位影響。我個人認為AI將在三大重點領域帶來深遠影響，即自動化、優化與創新。例如，要使用數字孿生方法模擬鉆井工作流程，就需要對平臺上的各組件進行集成、吸納、執行與仿真，借此實現全面自動化。能源行業的工作流程非常繁雜，而且面臨多種挑戰，因此使用AI技術對于優化效率及生產力極具現實意義。隨著新興技術的發展，數據驅動下的AI技術有望給能源行業的現場環境帶來更多即時可用的創新型解決方案。

總之，數據科學與AI將為我們的業務帶來更強大的彈性、可持續性與安全性，幫助從業者應對更為復雜的現實挑戰。當然，這一切也要求組織努力克服FEAR，同時充分運用SMART DigitalTM所代表的全新方法。