期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 邮发代号：80-381 电话：010-88558766 邮箱：aiview@ccidmedia.com
<正>能源是人类赖以生存和发展的重要物质基础，能源的开发关乎人类未来。加快能源转型发展，实现能源永续利用，持续增进民生福祉，为世界经济提供不竭动力，是能源领域内科研人员与生产工作者持续探索的课题。“发展新质生产力是推动高质量发展的内在要求和重要着力点，必须继续做好创新这篇大文章，推动新质生产力加快发展。”随着新一轮科技革命和产业变革的深入推进，以人工智能技术为核心引擎的科技创新为传统能源产业转型带来澎湃动力。
智能岩心技术作为油气储层研究领域的新技术、新方法,正逐步改变传统岩心分析的模式。本文首先阐述了智能岩心技术的起源与定义;其次,系统梳理了诸如图像分类、分割与三维重构等算法在储层微观表征中的应用,并指出当前技术存l在的瓶颈问题;再次,重点介绍了智能岩心技术在油气勘探开发中的典型应用实例,包括FaconCore岩心图像智能分析软件、基于微纳米CT的全直径尺度高分辨率图像重构方法,以及多模态大模型在自然断面扫描电镜图像分析中的应用;最后,总结智能岩心技术面临的挑战并对发展趋势进行展望,指出针对岩心分析场景的算法优化、多模态多尺度数据融合、大数据处理与分析能力提升,以及垂直领域大模型构建将成为未来的攻关方向。
在油藏注水开发后期的高含水期油相以非连续相存在于多孔介质中,其渗流及运移规律用传统达西定律进行表征已不准确。本文以物理模拟实验为基础,验证并评价了油水两相渗流过程中驱替速度与驱替压差呈现非线性的变化规律,并通过理论分析明确非线性变化原因。通过实验计算得到非连续油相启动压力梯度,并引入MRST数值模拟模型,模拟验证非连续油相启动压力梯度对生产动态及剩余油分布的影响。研究发现,在不同水相分流量条件下均会产生非连续相渗流情况,当驱替速度大于一定值时,由于流速增加提高了驱替动力,使得油相可以进入低速时无法运移的孔喉流动,使得驱替速度与驱替压差呈现非线性变化,由此建立达西线性渗流与非连续相渗流区域图版。通过计算高含水期非连续油相渗流阻力可以发现,随着水相分流量增大,非连续油相启动压力梯度增大,油相动用难度增加。
油气藏渗流实验是获取油气流动能力相关参数的重要手段,对储层评价和油气开发具有重要意义。为了解决油气实验室渗流实验中存在的实验连续性、条件稳定与平衡,以及高精度计量与识别等关键问题,通过自动化、信息化、智能化技术融合,开发了一套基于多层架构的油气渗流实验智能化系统。该系统采用分层架构设计,包括嵌入式开发层、上位机软件层和远程控制层,实现了从底层硬件控制到上层用户交互的全流程智能化。各功能模块实现无缝集成和高效扩展,系统线程间通信周期缩短至20ms以内,显著提高了系统响应速度,实验子模块可编辑、任务可设计,实验人员参与度和实验设计自由度达到90%,提高了系统的灵活性和实用性,进一步提高了实验的自动化程度和数据质量。本系统的开发为石油实验室的自动化和智能化建设提供了创新、全面、高效的解决方案,对推动石油行业实验技术的进步和提高油气勘探开发的效率具有重要应用价值。
石化装置的运行波动、质量不稳定、人工干预不及时等问题对生产效率和产品质量造成了较大影响。本文提出了一种基于AI驱动的数字化孪生智能装置系统。该系统融合了混合建模、在线学习、多变量预测控制、自适应控制等技术,构建了包含智能装置应用、数字孪生核心引擎、实时执行等模块的技术架构。通过对乙烯裂解炉、MTO装置、连续重整装置等场景的应用案例进行分析,验证了该系统与传统方案相比,在提高装置执行精度、运行平稳性、异常处置效率等方面,具有明显优势,并可以带来显著的经济效益。
电力工程是能源体系中的重要组成部分,电力工程应用无人机机载激光雷达技术对电力设施实施智能化巡检和维护,其中对电力线精细提取是热门研究方向和焦点问题。本研究综合深度学习模型的优点和密度聚类算法特点,提出了一种对不同电力线点云高精度分类的方法。首先,预训练深度学习模型对目标点云进行粗分类获得分类参数;其次,密度聚类算法应用关键参数实现对电力线点云聚类;最后,以ArcGIS软件分类电力线结果为标准评价本文方法的电力线分类结果,电力线提取的正确率达到99%以上,质量达到98%以上。本文方法解决了密度聚类算法的参数敏感性,实现了对电力线点云高精度分类,满足了电力工程的实际需求。
随着人工智能技术的不断发展,深度学习与流体力学相结合的模式呈现出一种不可阻挡的趋势。本文从风力机翼型流场计算出发,建立了混合神经网络模型,用于替代传统计算流体力学（CFD）方法。将预测值与仿真值进行对比,结果表明,混合神经网络模型能够准确捕获到与原始仿真流场一致的特征信息,证明了此预测方法的可行性。该方法为人工智能在流体力学领域的应用提供了一个新的思路。
为真正实现模拟动态的真实世界,针对动态、非刚性变化场景的三维重建是近年来研究的重难点。本文简要介绍了相对于静态场景,重建非刚性变化动态场景所面临的挑战;全面总结了对非刚性目标三维重建的最新进展,按照传统视觉方法、神经表征方法、混合表征方法进行分类;对各类典型重建算法的最新成果进行了介绍和对比分析;提出了非刚性变化场景三维重建的未来研究方向,并对该领域中的各个方向研究进行了展望。
以大语言模型为主导的生成式人工智能技术应用于数字新闻领域,将面临信息泛滥、虚假信息传播、侵犯公民民事权利和网络安全等法律风险与挑战。本文重点探究生成式AI与数字新闻各方主体间可能产生的法律问题,总结国内外法律法规及理论嵌入在个人隐私、知识产权、社会秩序和反垄断竞争方面的法律风险,对近来司法实践中利用生成式AI的违法犯罪案例进行梳理,整理归纳现行法律对新生的侵权形式之适用。若理论层面缺乏及时适当的法律规定,生成式AI或将产生显著的负外部性,对此我国颁布了具有前瞻性的相关法律规定,以期解决实践中侵权案件的争议,降低司法裁判规则适用的差异,确保生成式AI高速发展的同时兼具安全性与可控性。然而,现有的国内外对生成式AI的专门性规范多是公法领域下的监管性要求,难以化解相关侵权风险,因此必须寻求生成式AI生成内容的法律规制路径。推动生成式AI给数字新闻带来创新性前景的同时,明确平台提供及用户使用生成式AI的法律底线,有效保障民事主体的合法权益。
人工智能作为“外来物”融进社会系统,不可避免地对现有社会体系造成冲击与影响,围绕其产生的伦理风险接踵而至,亟须加强人工智能伦理风险的评估研究,以提高风险防范的能力与水平。人工智能伦理风险评估是人工智能风险评估的价值之维,评估工作的复杂性特质要求在实操工作中需树立全面性评估思路,行之有效的评估框架应以一般性科技准则为基底,以特异性人工智能准则为骨架,以详尽性场景操作要求为血肉,在宏观、中观、微观视野下建构起一、二、三级指标,搭建形成以“5+10+X”为框架的伦理风险评估指标体系,并根据指标体系选取测试、验证、审查、持续监控的评估方法,确保人工智能在发展的道路上不偏离伦理的轨道,始终与人类的价值与利益保持一致。
生成式人工智能为大学生学术论文写作提供了全新的研究范式、写作范式和思维范式,随着人工智能的性质、形态和功能发生深刻嬗变,科学技术特别是人工智能的迅猛发展,对大学生学术论文写作产生了深刻的影响,如可能会给少数大学生学术论文写作带来“信任危机”、养成依赖和惯性思维、固化学术成果、违规采集数据危害数据安全等。对此,可通过加快推进全国一体化大数据体系建设、增强大学生科研诚信和科研伦理建设、全面完善内容管理法规、建立健全学术数据治理体系等举措,不断提升大学生的学术研究能力。
人类对自身认知的探索从未止步。时代改变与技术进步不断产生认知研究新成果,但仍存在研究局限。人类正走向智能时代,智能技术不仅为人类认知带来恐惧、崇拜与麻木等认知冲击,也赋予“物”认知能力,并影响人类社会各个领域。本文从物质与意识的辩证关系角度阐释了智能时代人的认知需要极大提升的适切性。在此背景下,相得益彰的主辅式认知论也应运而出。主辅式认知论是以元认知调解下的分布式认知作为理论基底,并具有智能性、互惠性、融通性、人本性等四大特征。本文阐述了主辅式认知的运行机理与关键过程等“外部现象”,并透过现象揭示出主辅式认知是智能时代的认知新方式、认知新视角、认知新理论的三大本质属性。在阐明现象本质的情况下,从人工智能辅助人类的感知过程、一般操作过程与复杂综合活动等人类认知的三层维度分析了主辅式认知的现实应用与未来发展。主辅式认知论是对人工智能时代认知拓展的有益探索。