工业革命——从机械化到电气化，从大规模生产到自动化程度的提高——一直以来都是用机器取代人力。对于许多可能面临裁员威胁的工厂工人来说，这已经够可怕的了。但第四次革命更多的是用人工智能(AI)取代人类的脑力，这一变化让更多的工人感到难以接受。
人工智能可以为石油和天然气公司带来立竿见影的影响——降低成本、提高生产率、改进工作方法，但能源公司在采用现有技术方面进展缓慢。这可能与安全问题、成本，甚至只是缺乏对所获得的好处的理解有关。
但这也可能与人类无法理解黑匣子内部发生的事情有很大关系。
阳狮集团。有见识的一直试图将其人工智能技术应用于能源行业，帮助石油和天然气公司优化钻井作业，特别是在页岩行业。虽然有些公司专注于帮助石油公司找到钻探地点，但阳狮集团。有见识的uses data to analyze other information around the drilling—the lifetime of wells and how to guide the drill once drilling has begun, for example.
“许多公司会分析他们在哪里钻岩石，然后分析他们需要钻多深。但通过机器学习，服务于这些模型的平台可能会快得多，”阳狮智能(Publicis.Sapient)全球人工智能主管拉希德•哈克(Rashed Haq)表示。“第二部分，当你在水平钻井时，是如何根据你得到的数据来指导钻井。简单地说，这取决于传感器所读取的数据和与历史数据的关联:这是否意味着你会撞上岩石?什么样的岩石?诸如此类。我们知道传感器说了什么，知道过去钻探中有什么样的岩石，以及它是否损坏了设备。我们正在收集新钻井的传感器数据，并将其与历史数据进行比较。现在我们知道，我们很有可能会撞上这种岩石。”
AI有不同的类型。在某些情况下，这项技术正在接受训练，以遵循与人类类似的过程。但是机器可以做得更快更准确。
Haq提供的一个示例涉及钻井过程中的报警管理。他解释说:“通常，当他们在钻井时，所有的东西都有传感器，他们会收到很多警报，告诉他们何时停止，何时改变方向，诸如此类的事情。”“有控制警报和错误警报。对于错误警报，他们必须停止钻探，然后由工程师团队进行一系列测试——他们会通过传感器数据和地球物理模型，试图弄清楚这是否会造成问题。”
这是一个工程师必须经历的手动过程，决定什么是假警报，或者他们是否需要停止这个过程。哈克说:“因果推理引擎可以通过与工程师完全相同的步骤来确定这是否是假警报。”“这无疑节省了工程时间。其次是错误更少。”
因果推理是人工智能的一种。机器学习是另一种，它的逻辑对人类大脑来说是如此陌生。2016年，b谷歌的人工智能AlphaGo击败了知名棋手李世石，然后在2017年击败了世界围棋冠军柯洁，它的棋路对围棋专家来说完全是违反直觉的。它很早就做出了任何精通这一古老策略游戏的人类专家都会认为它已死的动作。
“因果推理系统不会自己学习。你必须手动创建本体，”哈克解释说。“但它可以找到其他人，比如人类，需要很长时间才能找到的相关性。”
另一方面，机器学习可以让计算机以人类无法做到的方式思考。哈克指出:“这种模式通常不是人为决定的。这可能会让那些相信这个模型的人感到不安。
哈克说:“我经常听到客户说，他们不相信黑匣子。“如果一台机器根据从数据中学到的东西建立了一个模型，而我却看不到它的逻辑流程，我就会觉得不舒服。”
阳狮集团。有见识的sees that not only in the oil and gas industry, but across all industries, Haq says. As more companies try using AI and prove out the benefits, there will be a better case for it in industry. But it’s a fundamental challenge rooted in existing practices, Haq adds.
“很长一段时间以来，人们利用地球物理模型已经相当成功地做到了这一点，”他说。“他们理解为什么事情应该发生或不发生的所有步骤。在人工智能领域，他们正在转向黑匣子。”
哈克认为，相反，我们需要将人工智能的能力与人类对它的理解结合起来。“这不是一个已经解决的问题。随着人们逐渐接受并了解如何将两者融合，它可能会在未来五年内出现。”“在学术界，大约50%的研究是这样的可辩解的人工智能(新品)。你能在模型中找到人类可以理解的中间步骤吗?这些事情需要开始融合并取得进展。然后我们会看到更多的吸收。”
因此，变更管理是将人工智能技术引入石油钻井作业的重要组成部分。哈克说:“可信的部分是与数学家合作，在语言和为什么你在做你正在做的事情上达成一致。”他对地质学家普遍对数据缺乏信心感到有些惊讶。“我们花了一些时间来理解他们对什么是模型的看法。地质学家更像物理学家，数据科学家更像经济学家。”
但要真正利用机器学习带来的脑力，人类需要能够相信他们收到的数据，做出可能不太直观的举动。正如柯洁在输给AlphaGo后接受采访时所说，“他看到的是整个宇宙，而我们看到的只是面前的一个池塘。”
