EAGE2017巴黎行

周少华ᴷᴱⱽᴵᴺ

European Association of Geoscientists and Engineers

EAGE（European Association of Geoscientists and Engineers）是一个历史悠久的、全球性的、非盈利性的职业协会。目前有19,000会员，主要是地理科学家和工程师等职业人士，参与或研究学习地球物理、石油勘探、地质学、油藏工程、矿产开采、土木工程、隧道和环境事务等。

今年在巴黎举行的年会和展览会EAGE2017包括超过1,000篇oral或poster presentations。全球约有6500人参加。

演讲

我有幸被邀请辅助Dirk Smit（Shell VP of Exploration Technology, Chief Scientist of Geophysics）作了专题发言，题目是 "Medical Imaging: A Source for a New QI? "。

大概5年前，我领导开发了一个计算机辅助检测(Computer Aided Detection, CAD) 软件，帮助Shell的工程师更快更好地检测大洋海底的天然漏气口。虽然同样是CAD软件，但却不需要FDA认证，所以心里还是挺爽的。

该CAD算法输入是海洋超声图像。当时，我已经做许多年关于人体超声诊断的项目和产品。记得当年我展示了这些项目后，Shell很快就相信海洋超声诊断应该不是问题，毕竟海洋的复杂度远远比不上人体。后来，事实证明果然如此。

在演讲中，我们阐述了医疗图像处理和地质数据分析的异同点。差异当是场景不同，传感器不同。但是共同点更多，特别在图像可视化、分析和处理、数据模拟方面。

随后我们描述了海洋超声诊断这个具体的项目。人类远古时代就知道大洋海底有天然的漏油漏气口，但是，有系统地去勘探开发海底油矿是近代的事情，海洋超声就是其中一种有效的手段，用来釆集大洋海底的图像。有图像就产生了图像分析的需求，但纯人工的图像分析既费力又欠准。欠准确的主要原因是由于人的注意力集中程度有限，粗心大意所致。机器很大程度上可以弥补上述缺限，不知疲倦地做好本职工作。

在人机比较方面，我们的CAD算法＂完胜＂人类。机器不仅用时更少，而且更准确地检测到了漏气口（95% vs 85%）。

这个项目当时是Siemens和Shell的样板合作项目，所以得到了Siemens CTO的直接关注，亚历山大。还好，经过团队的努力奋斗，最后得到了令人满意的结果，皆大欢喜。不过，也没有什么特别的物质奖励，让人欣慰的由比获得到了公司内部的大奖Siemens Technology Award。

人工智能＋能源

虽然AI有泛滥大众化的趋势，但这仅限于日常的图像、视频、语音、文字。同时AI正在全面进入各个垂直领域，如金融、医疗、无人车等。不少方向已经有成为红海的倾向，如CT肺结核检测。

据我的观察，人工智能的熊熊大火还没有烧到勘探检测行业。前些日子，我参加了American Academy of Orthopaedic Surgeons（AAOS）会议和Heart Rhythm Society（HRS），也有同样的观察。

不过其中还是有不少差别的。能源勘探检测行业本身注重收集各种各样的数据，历来也有数据分析的传统，所以，数据分析工具软件不胜其数。只不过整个行业比较保守，真正用上深度学习人工智能技术的很少。而别的垂直细分行业，数据的采集和使用还需要进一步提升。

Dirk Smit在讨论中提到一个观点我颇为赞同。各大石油公司虽近乎垄断整个行业，却都独自为战，组织数据釆集并严格保密釆集到的数据。Dirk认为，十年之内，专业公司会负责釆集和提供所有地块的勘探数据，石油公司只需花费就可以access该数据，所以，以后的核心竞争力是数据分析的能力。据此推断，人工智能应该有广阔的前景。

重申一下，垂直细分领域的人工智能化才是更值得大力开垦的处女地。一片湛蓝的大海在等着你！

5月12日早上，我读到微软的沈向洋博士的观点，和我记载的不谋而合。＂我认为很重要的一件事，接下来商业的机会还是在于所谓的business AI。因为它每一个vertical都必须要用AI，要去做这样的东西，你得一定要真的深入到某一个垂直行业中，必须要有很特别的data，你必须要有这样的用户，能够用到AI的应用部署出去，这样你可以做反馈。＂

关于我对于人工智能更多的感想，参见不断更新中的拙文《人工智能杂感》。

EAGE照片集

High performance computing是数据分析的基础。NVidia，Intel, cray都有设展台并给专题讲座。Nvidia作的讲座是关于Deep Learning的。