微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 大数据与机器学习将如何改变全球能源行业?

大数据与机器学习将如何改变全球能源行业?

2019-06-12 10:53
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2019-06-12 10:53 科技行者

机器学习、大数据以及自动化正在彻底改变全球工业体系,能源行业自然也不例外。各类创新成果推动着技术进步、带来了经济效率的提升、创造着智能化程度更高的业务运营模式,同时为基础设施提供了更强的弹性水平。正因为如此,世界各地的企业与机构才积极将先进技术——特别是人工智能,视为首要关注重点。

就能源行业来说,诸多企业正在以多种方式实施大数据与AI技术,且行业的整体积极性也正在快速增长。预计到2022年,石油与天然气行业的AI软件市场总额将达到惊人的28.5亿美元。由此带来的预测分析能力将可监控长达数英里的地下管道,而机器学习技术则可以帮助化石燃料企业以更低的成本高效进行钻探,从而透彻了解深埋于地表之下的地质构造。新的“智能”电网也在采用机器学习技术实现计算机、自动化与传感器装置的集成,从而以实时监测甚至预测能源需求的快速变化。

>>> 全球范围的技术竞争

今年2月,美国发布了《美国人工智能倡议》,致力于促进跨行业、学术界以及其它非联邦实体的联邦政府支出与资源分配,从而实现AI的技术性突破,维持美国在人工智能技术领域的主导地位。

今年5月,美国能源部长里克-佩里宣布,能源部(简称DOE)正在与克雷以及AMD公司合作构建Frontier,其中包含三台新的机器。这些机器将提升美国的AI技术水平。Frontier被视为世界上最快的计算机,其速度水平约为当前超级计算机的50倍。

而在这一方面,中国也很早就加入了AI竞争的战团,并在一部分指标当中领先于美国。

2017年,中国发布了《新一代人工智能发展规划》,其中概述了AI发展的具体研发资金与目标,希望推动中国在2030年成为全球AI技术的领导者,并借此为国家经济贡献约1500亿美元。虽然美国在大多数AI相关指标当中占主导地位,但中国在启动股权融资以及数据收集方面则处于明显优势。此外,在全球前20所AI研究排名最高的大学当中,中国拥有17所。

大数据与机器学习将如何改变全球能源行业?

▲ 美国与中国之间的AI技术竞赛正在快速升温

>>> AI正重塑能源行业

人工智能在能源领域的应用正在激增。比如,埃克森美孚下辖子公司XTO Energy正在与微软方面合作,利用机器学习、商务智能应用以及云技术从其160万英亩油田当中收集数据。这些实时数据将能够改善钻井及用于监测的基础设施的泄漏情况和维修条件。

这样的合作关系也使得XTO成为云技术应用规模最大的石油与天然气企业。据估计,微软公司的技术实施有望到2025年帮助XTO方面将石油产量提升至每天5万桶。

除此之外,AI还有助于提高能源基础设施的安全性。太平洋天然气与电力公司已经着手采用机器学习技术,用以应对因气候变化而加剧的加利福尼亚州野火问题。事实上,部分野火事故甚至完全属于自发燃起,并造成数十亿美元的损失。加州电力公司目前尝试利用无人机检查其输电塔,而后通过AI将图像转换为数据点——目前其能够采集的数据点已经高达10亿个。将这些数据输入算法之后,算法即可确定该公司应该将资源集中在哪里,以降低发生潜在野火的风险。

大数据与机器学习将如何改变全球能源行业?

▲2018年5月18日,在雪佛龙公司位于杰克/圣路易斯的主控室中,监测人员正在观察远离美国路易斯安那州海岸的、位于墨西哥湾的Malo深水石油钻井平台的海上作业工人。行业高管们纷纷表示,新技术、大数据以及智能化程度更高的设计相结合,终将结束规模海底石油开采所带来的高昂开支。

与此同时,智能能源系统将越来越多地允许客户利用可再生能源为其家庭及企业供电。可再生能源在本质上拥有间歇性属性,因为其主要来自太阳辐射、云层覆盖、风以及海浪等。现代技术能够帮助公共事业企业通过智能电网改变这些稳定性较差的能源的流动方式,而且智能化程度越高,效果也就越好。随着能源存储能力的提升,企业能够将更多剩余的电能输送至公共事业级电池当中——包括锂离子电池以及氢燃料电池等等。

>>> AI技术并不完美

虽然AI技术能够为我们的经济做出巨大的贡献,但同时也可能带来非常可怕的风险。计算机与机器的实际效果受到程序设计水平的限制,而这类设计工作完全由人类完成,因此设备就如同开发它们的人类一样远称不上完美。与此同时,数字化与互连性的增强则提升了设备受到操纵甚至造成破坏的可能性。我们对于大数据以及机器学习技术的依赖性越强,用户面临的网络安全风险也就越可怕——电网与其它公共事业企业已经在着手解决这个问题。而颇具讽刺意味的是,他们在解决此类问题时也通常需要借助人工智能的力量。

因此,全球政府与各监管机构必须建立适当的政策性机制,用以解决技术应用规模化所带来的具体问题以及风险。比如,最近美国会见了经济合作与发展组织(简称经合组织)各成员国,希望确定在国际上使用人工智能技术时所应遵循的原则与准则。这无疑标志着各国政府向负责任的AI实施迈出的重要一步。

随着AI技术战争的不断升温,企业与消费者也将受益于更加安全、更加清洁、更加便宜以及更加高效的能源。而让这场技术竞赛也才刚刚开始。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。

  • 微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。

  • 用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。

  • 播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-