Vil la KI-agenter bygge bro mellom seismikk og simulering

Sintef og Geoteric utvikler en ny KI-agentplattform som skal gjøre veien fra seismiske data til simuleringsmodeller kortere.

Plattformen, som er basert på åpne standarder, skal kunne gi bedre og raskere besluttningsgrunnlag for energiselskaper.

– Dette prosjektet har utgangspunkt i at man ønsker at det skal gå mye fortere fra man har skutt seismikk til man har en modell som kan beskrive hvordan væskene beveger seg i reservoaret, hvor det er lurt å plassere nye brønner eller hvordan injeksjon av vann eller gass bidrar til forbedret produksjon av hydrokarboner, sier Knut-Andreas Lie til Digi.

Han er forskningsleder og sjefforsker i forskningsgruppen anvendt beregningsvitenskap i Sintef.

Gruppen har jobbet i mange år med å lage simulatorer for flyt i porøse medier.

De har nå gått sammen med Geoteric, et selskap som bruker kunstig intelligens til å tolke seismiske data. Teknologien deres identifiserer geologiske lag og steintyper i undergrunnen, noe som gir et bedre grunnlag for å modellere reservoarer og forutsi hvordan væsker vil bevege seg.

En KI-agent er et dataprogram som kan jobbe selvstendig med å nå et mål du har satt. I motsetning til vanlige tekst-roboter kan agenter bryte ned oppgaver i steg, ta egne avgjørelser og faktisk utføre handlinger uten at du må godkjenne hvert trinn. KI-agentene skal brukes til å koble sammen verktøy og teknologi fra begge selskapene til å gi en bedre forståelse av undergrunnen.

Lie forteller at de er spesielt opptatt av hvordan usikkerhet i fortolkningen av de seismiske dataene påvirker hva reservoarmodellen predikerer.

– Det å modellere et oljereservoar tar lang tid. Det er masse arbeid hvor man innhenter mange ulike typer data, sier Lie.

Kobler sammen verktøy

For å planlegge olje- og gassproduksjon eller sikker CO₂-lagring brukes simuleringsmodeller som beregner hvordan væsker og trykk utvikler seg i undergrunnen.

Siden prosessene ikke kan observeres direkte, gir modellene et beslutningsgrunnlag for blant annet brønnplassering, produksjonsstrategi og tolkning av utviklingen i reservoaret.

Denne oppgaven vil de nå effektivisere.

Lies arbeidsgruppe i Sintef begynte å jobbe med KI-agenter for et par år siden. Her setter de teknologien opp mot ulike former for modelleringsverktøy, altså simuleringer av hvordan fysiske fenomener vil oppføre seg fremover i tid.

– Det vi er veldig opptatt av, er hvordan du kan bruke agenter til å koble sammen ulike typer verktøy. I dette tilfellet da de seismiske tolkningene som kommer fra Geoteric, og simulatorene som kommer fra min gruppe, sier Lie.

I tillegg har de lignende aktiviteter innen både batteriforskning, geotermisk energi og modellering av overvann.

– Målet i forskningsgruppen vår er å prøve å bruke denne teknologien som en digital assistent, altså en som er i stand til å utføre en rekke oppgaver for deg, slik at du kan bruke mer tid på å tenke selv.

Viktig for innovasjon

Lie peker på at teknologien skal kunne gjøre selskaper i stand til å undersøke flere muligheter, og dermed kunne fatte bedre beslutninger.

Sintef-forskeren og faggruppen har i en årrekke vært opptatt av bruken av åpen kildekode.

– Vi er veldig opptatt av at det vi gjør på agentisk KI også er åpen kildekode, slik at folk kan få teste og se oss i kortene. Det er viktig for innovasjon. Hvis vi gjør noe lurt, så er det veldig fint at andre kan bygge på det og se hva vi har gjort, slik at de kan bruke det til å gjøre nye ting.

Lie forteller at industrien var mer lukket for rundt 20 år siden, og at det var flere som sa at åpen kildekode var det samme som å gi bort alle idéene sine.

Hans erfaringer er derimot det stikk motsatte.

– Det gjør at du kommer i kontakt med veldig masse interessante folk som har interessante ideer, og du hjelper andre til å få gjort ting.

Trenes på arbeidsoppgaver

Én ting Lie mener er spesielt spennende med agentisk KI, er at de trenes på arbeidsmetoder.

Vanlige chatboter, som de fleste kjenner til, er derimot trent på data som bilder, tekst, videoer og lyd.

– Det er veldig mange andre typer kunnskapsarbeid man kan tenke seg at man kan trene agenter på. Det at man har begynt å trene på hvordan vi mennesker jobber, synes jeg er mye mer interessant enn at man trener bare på data.

Han peker på at en interessant faktor er at agentene kan settes opp slik at de logger og dokumenterer alt de gjør. Det mener Lie er en undervurdert egenskap.

– Når folk snakker om hvor feilbarlige disse systemene er, og hvor masse farer det er, så vil jeg også si at dette er en oppside. Når hele tankeprosessen blir logget, så kan man gå igjennom og verifisere og validere det som har vært gjort underveis.

– I prinsippet så vil det kunne gjøre at tilliten til det man får produsert, også vil kunne øke når man har gått igjennom og sett en logg på alle de stegene som har skjedd underveis.