加入收藏 | 设为首页 | 会员中心 | 我要投稿 常州站长网 (https://www.0519zz.com/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 站长资讯 > 传媒 > 正文

普法机器人“大牛”在潼南上岗了

发布时间:2021-01-31 11:23:28 所属栏目:传媒 来源:互联网
导读: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

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、云计算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。

(编辑:常州站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    热点阅读