一些學(xué)者認(rèn)為，人工智能（AI）是第四次工業(yè)革命的標(biāo)志和引擎，但回顧工業(yè)革命演變史，筆者認(rèn)為人工智能也許是新時(shí)代的“人類(lèi)進(jìn)步加速器”，將成為促進(jìn)人類(lèi)發(fā)展新的革命性力量，深刻地改變?nèi)祟?lèi)生產(chǎn)生活方式且成為新的時(shí)代標(biāo)志，并引領(lǐng)人類(lèi)從工業(yè)革命時(shí)代逐步進(jìn)入人工智能時(shí)代。油氣行業(yè)發(fā)展必須與人工智能時(shí)代相適應(yīng)，盡快從假設(shè)驅(qū)動(dòng)為主邁向數(shù)據(jù)驅(qū)動(dòng)為主。
各有千秋 相輔相成
傳統(tǒng)認(rèn)識(shí)中，假設(shè)驅(qū)動(dòng)（Hypothesis-Driven）和數(shù)據(jù)驅(qū)動(dòng)（Data-Driven）作為兩種不同的方法論，適用于不同的情境且各有優(yōu)缺點(diǎn)。
假設(shè)驅(qū)動(dòng)是基于現(xiàn)有知識(shí)，依賴(lài)?yán)碚摗⒔?jīng)驗(yàn)甚至直覺(jué)提出事物如何運(yùn)作的假設(shè)，再通過(guò)觀察、實(shí)驗(yàn)、調(diào)查或其他形式的數(shù)據(jù)來(lái)驗(yàn)證這些初始假設(shè)，比如通過(guò)露頭觀察、薄片掃描、巖心分析、地球物理探測(cè)等直接獲取的地質(zhì)信息來(lái)驗(yàn)證預(yù)先構(gòu)建的地質(zhì)模型，本質(zhì)上是一種以“試錯(cuò)法”不斷校正逼近真相的過(guò)程。其優(yōu)點(diǎn)在于有明確的方向和目標(biāo)，可以快速聚焦于特定的問(wèn)題或解決方案；缺點(diǎn)是最初的主觀性假設(shè)可能不準(zhǔn)確，導(dǎo)致后續(xù)驗(yàn)證工作出現(xiàn)主觀設(shè)計(jì)上的偏差。“油氣在地質(zhì)學(xué)家的腦海里”，即是油氣行業(yè)假設(shè)驅(qū)動(dòng)的典型理念。
數(shù)據(jù)驅(qū)動(dòng)強(qiáng)調(diào)用數(shù)據(jù)說(shuō)話、讓數(shù)據(jù)作主，通過(guò)盡可能多收集相關(guān)數(shù)據(jù)，使用統(tǒng)計(jì)分析、概率計(jì)算等數(shù)據(jù)分析方法來(lái)挖掘數(shù)據(jù)中的模式、趨勢(shì)和關(guān)聯(lián)，本質(zhì)上是一種基于數(shù)據(jù)的“設(shè)計(jì)法”尋求最優(yōu)解的過(guò)程。其優(yōu)點(diǎn)在于可以更加客觀地揭示之前未被注意到的洞見(jiàn)；缺點(diǎn)是數(shù)據(jù)代表性與質(zhì)量問(wèn)題、過(guò)度擬合以及對(duì)大量數(shù)據(jù)處理能力的需求。但隨著人工智能時(shí)代的到來(lái)，機(jī)器學(xué)習(xí)、數(shù)字孿生、量子計(jì)算等技術(shù)組合應(yīng)用給數(shù)據(jù)驅(qū)動(dòng)方法論帶來(lái)了強(qiáng)大的內(nèi)核升級(jí)，必將打破擁有海量數(shù)據(jù)的油氣行業(yè)固有發(fā)展路徑和邏輯。
假設(shè)驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)從來(lái)不是非此即彼的對(duì)立選擇，而是相輔相成、不可割裂的兩種思維方式。就像人類(lèi)和AI的關(guān)系，遠(yuǎn)非簡(jiǎn)單的取代與被取代所能概括，實(shí)際上是一個(gè)相互學(xué)習(xí)、共同提升的過(guò)程。在假設(shè)驅(qū)動(dòng)的創(chuàng)造性思維方面，AI目前還難以與人類(lèi)相提并論，它對(duì)特定問(wèn)題的優(yōu)化與求解，還不是真正意義上的理解與創(chuàng)造。相比之下，數(shù)據(jù)驅(qū)動(dòng)的AI因其強(qiáng)大分析能力不斷地拓寬人類(lèi)的認(rèn)知邊界，但人類(lèi)的泛化能力和創(chuàng)新思維仍然尤為寶貴。
石油勘探開(kāi)發(fā)是典型的綜合性應(yīng)用學(xué)科，成功找到油氣并商業(yè)開(kāi)發(fā)是一項(xiàng)復(fù)雜的探索發(fā)現(xiàn)過(guò)程，需要地質(zhì)勘查、地球物理探測(cè)、鉆井、儲(chǔ)層改造、油氣開(kāi)采等多種技術(shù)手段、大量數(shù)據(jù)積累以及不斷優(yōu)化的預(yù)測(cè)模型支撐。
假設(shè)驅(qū)動(dòng) 認(rèn)知先行
早期油氣發(fā)現(xiàn)主要依賴(lài)直覺(jué)和經(jīng)驗(yàn)驅(qū)動(dòng)，出露地表形成的油氣苗是尋找地下油氣的主要依據(jù)。
美國(guó)賓夕法尼亞州泰特斯維爾城附近的一條小河因常常漂著原油，被當(dāng)?shù)鼐用穹Q(chēng)為“石油溪”。1859年，埃德溫·德雷克在石油溪旁鉆成了世界第一口商業(yè)性油井——德雷克井，成為現(xiàn)代石油工業(yè)發(fā)源地。
中國(guó)早期油氣勘探開(kāi)發(fā)活動(dòng)也多圍繞油氣苗展開(kāi)，如新疆“黑油山”附近發(fā)現(xiàn)克拉瑪依油田，甘肅“石油溝”旁邊發(fā)現(xiàn)玉門(mén)油田，青海“油砂山”附近發(fā)現(xiàn)油砂山油田。
地質(zhì)理論假設(shè)驅(qū)動(dòng)大油氣田發(fā)現(xiàn)。19世紀(jì)中葉，地質(zhì)學(xué)家們發(fā)現(xiàn)美國(guó)賓夕法尼亞地區(qū)油氣均位于砂巖層的最高部位，推動(dòng)背斜找油等相關(guān)理論形成，為后續(xù)全球大規(guī)模油氣發(fā)現(xiàn)奠定基礎(chǔ)。之后，加拿大石油地質(zhì)學(xué)家T.S.亨特、蘇聯(lián)地球化學(xué)家B.A.別納科依、美國(guó)地質(zhì)學(xué)家W.E.普賴(lài)特等基于數(shù)據(jù)分析和油氣勘探開(kāi)發(fā)實(shí)踐，發(fā)展了海相生油理論，引領(lǐng)中東等地海相油氣大發(fā)現(xiàn)。
中國(guó)地質(zhì)學(xué)家謝家榮、李四光等人基于對(duì)中國(guó)地質(zhì)特征的認(rèn)知和推斷，提出了陸相生油理論，打破了國(guó)外傳統(tǒng)觀念束縛，推動(dòng)大慶、勝利油田發(fā)現(xiàn)，成為假設(shè)驅(qū)動(dòng)尋找油氣資源的典型范式。
最近，我國(guó)石油科技工作者提出的煤巖氣地質(zhì)理論已得到成功的實(shí)踐驗(yàn)證，亦是假設(shè)驅(qū)動(dòng)尋找新類(lèi)型油氣資源的例證。
數(shù)據(jù)驅(qū)動(dòng) 快速迭代
當(dāng)前油氣發(fā)現(xiàn)仍主要依賴(lài)于人腦智慧和實(shí)驗(yàn)驗(yàn)證，通過(guò)假設(shè)驅(qū)動(dòng)提出科學(xué)問(wèn)題，利用數(shù)據(jù)驅(qū)動(dòng)進(jìn)行輔助驗(yàn)證。但隨著油氣賦存方式的復(fù)雜化，傳統(tǒng)經(jīng)驗(yàn)已經(jīng)難以支撐油氣發(fā)現(xiàn)，特別是非常規(guī)油氣逐漸成為勘探開(kāi)發(fā)主體的當(dāng)下。盡管人工智能技術(shù)還存在一定的局限性，還不能完全解釋數(shù)據(jù)背后的地質(zhì)規(guī)律和滲流機(jī)理，很難對(duì)復(fù)雜地質(zhì)條件做出客觀準(zhǔn)確的判斷，但科學(xué)家們已意識(shí)到數(shù)據(jù)資產(chǎn)的重要性和數(shù)據(jù)技術(shù)的變革性。
2024年6月，之江實(shí)驗(yàn)室開(kāi)發(fā)的GeoGPT地學(xué)大語(yǔ)言模型通過(guò)備案，已實(shí)現(xiàn)文獻(xiàn)閱讀、信息提取、地質(zhì)圖解譯與生成、知識(shí)圖譜構(gòu)建等功能，成為人工智能助推地球科學(xué)研究模式變革的標(biāo)志性事件，它的強(qiáng)大功能使我們對(duì)智慧油氣藏的遐想成為可能。2024年11月，中國(guó)石油發(fā)布了700億參數(shù)昆侖大模型，還帶來(lái)了43個(gè)石油行業(yè)的專(zhuān)業(yè)應(yīng)用和通用應(yīng)用創(chuàng)新場(chǎng)景。油氣勘探領(lǐng)域，國(guó)內(nèi)首次構(gòu)建了涵蓋地震處理、地震解釋、測(cè)井處理解釋3個(gè)專(zhuān)業(yè)模型，相比傳統(tǒng)方法，在泛化性、精度等方面都有了大幅提升。
人的壽命和知識(shí)掌握能力是有限的，相比之下，人工智能在記憶能力、高維復(fù)雜、推理深度等方面具有強(qiáng)大而獨(dú)特的優(yōu)勢(shì)，可以快速修正并迭代完善假設(shè)驅(qū)動(dòng)形成的經(jīng)驗(yàn)?zāi)Ｐ停瑯O大地提升人類(lèi)科學(xué)發(fā)現(xiàn)效率。
不久的將來(lái)，如果人工智能油氣大模型能夠擁有全球油氣勘探開(kāi)發(fā)的歷史和實(shí)時(shí)數(shù)據(jù)，并實(shí)現(xiàn)從推斷（inference）到推理（reasoning）的躍升，就具備了科學(xué)假想的潛力，從而突破科學(xué)家的認(rèn)知邊界，實(shí)現(xiàn)真正的行業(yè)顛覆。
對(duì)于需要和“歷史億萬(wàn)年、地下上萬(wàn)米”打交道的油氣行業(yè)來(lái)說(shuō)，全生命周期將是涉及海量流程節(jié)點(diǎn)的復(fù)雜系統(tǒng)工程，以人工智能為技術(shù)手段的數(shù)據(jù)驅(qū)動(dòng)方法將在各個(gè)環(huán)節(jié)中扮演越來(lái)越重要的角色，引發(fā)的數(shù)智化變革將深刻改變油氣行業(yè)的產(chǎn)業(yè)運(yùn)營(yíng)模式、科研攻關(guān)方式、生產(chǎn)管理范式、勘探開(kāi)發(fā)效率等方方面面。
行業(yè)重塑 擁抱未來(lái)
筆者在油氣行業(yè)已工作30余年，見(jiàn)證了該行業(yè)的榮光，也一直在思考和探索數(shù)據(jù)驅(qū)動(dòng)是否將成為石油行業(yè)發(fā)展的核心驅(qū)動(dòng)力。
近年來(lái)，基于系統(tǒng)科學(xué)思想與方法，提出的非常規(guī)油氣規(guī)模效益開(kāi)發(fā)“一全六化”工程方法論，其中最為關(guān)鍵的一環(huán)就是以數(shù)據(jù)驅(qū)動(dòng)為引領(lǐng)的數(shù)智化管理，主要以大數(shù)據(jù)系統(tǒng)、數(shù)字化管控、智能化決策為基礎(chǔ)，打造全面感知、自動(dòng)生產(chǎn)、實(shí)時(shí)優(yōu)化、預(yù)測(cè)預(yù)警、協(xié)同研究、一體運(yùn)行的生產(chǎn)運(yùn)營(yíng)新模式，將成倍甚至成數(shù)量級(jí)地提高油氣田生產(chǎn)作業(yè)效率。除此之外，奉行數(shù)據(jù)驅(qū)動(dòng)理念，組織科研力量嘗試探索新的資源類(lèi)型、破解新的技術(shù)瓶頸，例如，用“AI+生物學(xué)”發(fā)明一種終極采油法，實(shí)現(xiàn)極限提高油氣采收率；用“AI+化學(xué)反應(yīng)動(dòng)力學(xué)”探索氫氣、氦氣、二氧化碳與巖石礦物間原位物理化學(xué)過(guò)程，打造地下能源存儲(chǔ)及反應(yīng)工廠。
“未來(lái)像盛夏的大雨，在我們還來(lái)不及撐開(kāi)傘時(shí)便撲面而來(lái)”。2022年底，ChatGPT就像是一場(chǎng)突如其來(lái)的盛夏大雨，以前所未有的速度席卷全球，開(kāi)啟了人工智能的新紀(jì)元。2024年，諾貝爾物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)都頒給了從事人工智能的研究學(xué)者。近期，DeepSeek在全球掀起的熱議浪潮，再次刷新人類(lèi)對(duì)人工智能的認(rèn)知，更預(yù)示著一場(chǎng)前所未有的人工智能科技革命甚至是時(shí)代變革的加速演進(jìn)。
一言以蔽之，AI賦能科學(xué)探索的新范式已彰顯出巨大的優(yōu)勢(shì)，也必將在油氣新資源發(fā)現(xiàn)、采收率極限提高以及與新能源融合發(fā)展等方面展現(xiàn)出前所未見(jiàn)的潛力。
2024年，中國(guó)石油已將“數(shù)智石油”列為第五大戰(zhàn)略舉措。毫無(wú)疑問(wèn)，AI將重塑油氣行業(yè)，以數(shù)據(jù)驅(qū)動(dòng)為主、假設(shè)驅(qū)動(dòng)為輔的新模式將會(huì)推動(dòng)油氣行業(yè)朝著更加高效、更為智能、更可持續(xù)的方向快速前進(jìn)。作為石油科技工作者，我們要以更加積極的姿態(tài)不斷識(shí)變、應(yīng)變、求變，主動(dòng)擁抱“AI+油氣”時(shí)代的到來(lái)。
（作者李國(guó)欣為中國(guó)石油天然氣股份有限公司副總地質(zhì)師兼中國(guó)石油勘探開(kāi)發(fā)研究院黨委書(shū)記，獲得國(guó)家科技進(jìn)步獎(jiǎng)一等獎(jiǎng)、“孫越崎能源大獎(jiǎng)”等獎(jiǎng)項(xiàng)）
