石化行业数据分析范式的演变：从特征工程、机器学习到大模型.pdf

2024/12/6

中国石油石化行业人工智能大模型技术交流大会

石化行业数据分析范式的演变：从特征

工程、机器学习到大模型

引言-2023年人工智能领域及相关行业的变化

+人工智能的跨越式进展掀起了新一波的数字革命

+在2023年这一关键转折点上，我们必须深刻地理解和分析转折背后的底层逻辑，

去探究什么才是未来的新规律。

中国石油石化行业人工智能大模型技术交流大会

1

2024/12/6

目录

●相关背景

●基于特征工程的数据分析

●基于深度学习的数据分析

●面向大语言模型的数据分析

●未来的工作方向探讨？

中国石油石化行业人工智能大模型技术交流大会

相关背景(1)

●一个典型行业数据分析范式

中国石油石化行业人工智能大模型技术交流大会

2

2024/12/6

相关背景(2)

●关于信息

●单模态信息：数据、文字、音频(信号)、视频/图片等等

●典型的多模态信息：

●影视作品数据：视频+图片+语音+文字

●工业多模态信息：视觉信息、触觉信息、味觉信息、压力信息、温度信息等等

医学领域的多模态数据及其应用场景

中国石油石化行业人工智能大模型技术交流大会

相关背景(3)

●石化行业的“云-点-边”的数据采集与分析：各类生产场景下采集的数据本质上一类多

态形式的工业生产数据.

●例如：勘探综合分析问题的本质就是基于重力分析数据、磁场分析数据、地震数据等多模态信息的预测与

分类。

中国石油石化行业人工智能大模型技术交流大会

3

2024/12/6

研究背景（4）

●单模态信息的分类（机器学习的典型问题，函数映射问题）

●数据二值化处理

f(x)=1or-1

●语音识别

f“你好”

●图像处理

f“9”

●智能博弈（围棋）

f“6-5”(落子位置)

●机器翻译

f中国石油石化行业人工智能大模型技术交流大会

“你好！”“Hello!”

研究背景(5)

●如何获得不同模态信息的特征描述？

●特征工程的方法