油和气大公司面临着许多同样的挑战银行,建立了保险在公司积压的文件中搜索。他们想利用这些文件中存储的数据来决定在哪里钻探，并确定它们是否符合法律法规。
困难在于，许多这些文件都是以物理格式存储的:纸张、物理地图、磁带。石油和天然气公司已经习惯于使用这些物理格式，在将现代技术集成到工作流程中时，这带来了一些挑战。
预测分析应用和类似的AI解决方案需要大量的有组织的数字数据，以便为石油和天然气公司产生洞察力和驱动价值。
例如，有许多人工智能供应商提供预见性维护尤其适用于石油和天然气公司。当机器或设备需要维修时，这些应用程序可以提醒在石油钻塔和炼油厂工作的人员。
这样，维修人员就可以在机器或设备发生故障、导致产量大幅下降或严重伤害之前对其进行修理，这可能会让石油和天然气公司付出数百万美元的法律费用和罚款，并对其声誉造成严重打击。
如果石油和天然气公司将机器和设备损坏、停机时间和维修频率的记录以物理记录的形式存储起来，维护人员可能会在现场的办公桌上保存这些记录，那么他们将在预测性维护应用程序的初始设置上花费更多时间。
在石油和天然气公司数字化纸质文件
为了克服这一挑战，并为未来几年的人工智能应用做好准备，石油和天然气公司可能会受益于基于人工智能的文档数字化软件。文档数字化软件通常涉及机器视觉，这是一种允许计算机“理解”数字图像或视频内容的人工智能方法。
因此，石油和天然气公司的员工将能够扫描他们的物理文件和笔记，并上传为pdf或jpg。然后，文档数字化软件可以将这些文件中的字母转录成打印文本，填充一个字处理器或数字形式。
一旦文件数字化，有石油和天然气公司就可以利用这些解决方案提取信息和见解，这些解决方案比预测维护应用程序的资源密集较少。
Iron Mountain是一家为油气公司提供文档数字化和信息提取软件的人工智能供应商，后者使用自然语言处理(NLP)算法。
我们采访了Anke Conzelmann他谈到了基于人工智能的信息提取和文档搜索在石油和天然气行业的应用。在本文中，我们讨论了基于人工智能的文档数字化和油气信息提取的几个用例，如石油定位和合同管理。
更多关于石油和天然气信息提取的人工智能，下载关于这个话题的白皮书．
寻找石油的信息提取
根据Conzelmann的说法：
地质学家正在寻找地理位置数据，因此他们可以通过位置访问它。[使用AI]，他们可以指向地图上的一个位置，并在单击时单击键获取与该位置相关的所有资产，无论信息所在的类型或格式如何
石油和天然气公司的地质科学家花了大量时间筛选过去的钻井、测井数据和地震数据，以识别哪里可能发现更多的石油，以及石油可能所在的岩石结构。这项工作耗时耗力，涉及各种时间有限的地球科学专家。
在许多情况下，这些地球科学家认为他们已经掌握了所需的所有信息和数据，可以决定在哪里进行地震测试或在哪里钻探。
他们将经常搜索以不同格式和不同位置存储的物理和数字文件的经常无组织混合。
如果一家油气公司能够将这些数据完全数字化，并将其转化为一个数字的、可搜索的数据库，不仅可以在每次研究中节省数十万美元，还可以通过更快地发现新油田来增加实际收入。
基于自然语言处理和机器视觉的搜索功能可以实现这一目标。在数字数据库中编译和组织后，基于AI的信息提取软件可以帮助地质学家找到新的位置，以基于过去的地理位置数据来钻取石油和天然气公司可以访问。
自然语言处理
例如，地质科学家可能希望快速查看特定位置的所有油井数据，以确定附近是否有地质条件相似的地区，可能含有更多的石油。现在，地球科学家需要搜索个人的文件，包括物理的和数字的，有时还需要根据自己的位置来组织它们。他们不知道是否已经收集了该公司关于那口井的所有文件。
此外，他们可能需要收集存储在web和公共数据库中不同位置的位置上的公共数据。利用基于nlp的信息提取软件，地球科学家可以在数据库内或跨公共数据库搜索与特定地理位置相关的所有文件和/或信息。
根据集成的广度，该软件可能能够搜索更细粒度的信息，这些文档中的特定类型的数据或来自特定时间段的数据。
从理论上讲，地质科学家可以在搜索功能中输入“X区域内和类似地质构造的Y井的井动态数据”，然后软件就会提取出所需的数据。
油气行业NLP应用面临的挑战
也就是说，为油气行业构建一种自然语言处理算法是有挑战的，这主要是因为该行业使用了很多专业术语。因此，如果油气公司的专业员工想要使用这些词和短语进行搜索，那么行业中使用的NLP算法需要经过培训，以“理解”这些词和短语。
石油和天然气公司要么需要确保他们的主题专家能够说我们所谓的“数据科学语言”，这样他们就可以向内部数据科学家传达有用的NLP算法在他们的行业可能是什么样子的。
此外，该公司还可以与具有丰富油气行业工作经验的AI供应商合作。如果他们这样做了，他们自己的数据科学家将很可能能够与公司的主题专家“讨论业务”。然后，他们可以合作建立一个有用的NLP算法，允许公司员工用他们在工作中经常使用的单词和短语搜索信息。
在某些情况下，AI供应商向石油和天然气行业提供信息提取软件将会“预先培训”。换句话说，供应商的数据科学家可能只需要在算法准备发射之前响应客户公司主题专家的一点反馈而略微调整算法。
机器视觉
机器视觉还可以帮助地球科学家加快收集他们想要分析的信息的时间，并最终加快他们决定在哪里钻探的时间。石油和天然气公司当然希望他们的地球科学家在竞争对手之前找到尽可能多的丰富的油藏，而机器视觉可以让他们比传统方式更可靠地选择石油丰富的地区进行钻探。
地质科学家可能会遇到地质入侵或地震仪的形象，过去已经导致表面下方的富含储物液。
一种基于人工智能的机器视觉搜索功能，可以让地球科学家搜索到与他们发现的表明石油储量丰富的图像相似的图像。因此，他们可以发现他们以前忽视的或公司拥有但尚未勘探的新钻井地点。
地震磁带
一个多世纪以来，石油和天然气公司一直在探索地球的地下。因此，它们有数万亿的数据点存储在各种不同的数据存储单元上。
其中一种是地震数据磁带，它存储了石油和天然气公司进行调查时的地震记录，以确定某个地理位置是否可能藏有石油。铁山公司声称，他们可以在这些磁带上的录音完全退化之前，将其转换成数字格式，并将其添加到公司的可搜索数据库中。
因此，地球科学家可以使用40年前的地震仪的机器视觉信息提取软件，更好地告知他们的公司下一步在哪里钻探。
协调来自不同来源的元数据
元数据，即描述其他数据的数据，在许多情况下对于基于nlp的搜索函数的开发是必不可少的，因为它经常将数据放入隐式类别中，从而从搜索查询中提炼结果。
换句话说，基于nlp的文档搜索软件在很多情况下使用元数据来组织文档和其中的信息，从而加快了地球科学家和油气公司其他员工的搜索过程。
例如，一个高性能井的物理位置是一个数据点，但存在数以百万计的理论数据点，可以描述该物理位置:有关其地质、购买该井的实体和地震活动等数据。
在进行明智的建议时，这些信息对于石油和天然气公司应开始钻井的建议是至关重要的。
然而，这种元数据通常存储在各种位置，包括石油和天然气公司的文件（数字和物理）内。根据Conzelmann的说法：
已经有可用的元数据。把它和数字化的内容同步起来很重要。能够把我们生成从毫升的角度与现有的元数据和(ing)能够创建一个关系是权力的由来让那些作者发现所有的东西,花大部分的时间来分析,而不是寻找他们需要的信息。
元数据通常还可以从第三方数据供应商购买或免费提供公共数据库。后者通常是石油和天然气公司最近购买的特定性质的情况。
创建基于NLP的信息提取软件的数据库将需要使用所有这些元数据标记公司资产，将元数据组合在单个位置中的一个位置，以便使用-case，称为数据协调的过程。
集成一个人工智能的解决方案如铁山之间需要协调石油和天然气公司现有的元数据,他们可能没有意识到,从采购、元数据和公共元数据在任何机器学习算法能够生成的见解关于一个给定的属性,或其他资产,例如。
石油和天然气公司需要知道的底线
Conzelmann触及了油气公司地球科学工作的一个关键问题的核心:地质科学家(以及雇佣他们的公司)宁愿把时间花在分析油井和地震数据上，然后决定在哪里钻探;他们不希望自己的大部分工作时间都用来搜索他们想要分析的信息。
很少有人工智能供应商专门针对石油和天然气行业，许多公司都提供预测性分析软件，这需要大量的数字化数据。在开始漫长的人工智能项目之前，石油和天然气公司可能首先想要专注于他们的纸质文件、磁带和其他物理数据存储单元的数字化。
这样做，他们就有更好的机会避免这样的情况，即他们聘请了几名数据科学家，在开发过程的不同时刻，他们会去找主题专家，问他们在哪里可以找到公司没有数字可用的数据。
与此同时，决定石油和天然气公司应该数字化哪些文档很可能是通过公司的数据科学家和主题专家之间的合作完成的。然而，在数字化之后，石油和天然气公司可能希望与人工智能供应商合作，提供NLP和机器视觉支持的搜索软件。
Conzelmann简洁地阐述了基于人工智能的搜索应用的潜在价值:
机器学习和人工智能的强大之处在于，即使你处理的是完全不同的、外观不同的内容，你也可以在数百万个文档中大规模地做到这一点。
信息提取软件可以帮助石油和天然气公司节省地球科学劳动力成本，并以更多和更高性能的油井的形式带来新的收入。
本文由Iron Mountain赞助，并根据我们的透明度进行编写、编辑和发布Emerj赞助了内容指南．了解有关我们在我们的ei-communustocomationience的信息了解更多信息Emerj广告页面．
标题图片来源:Star.kiwi
