作者 | 譚婧
責編 | 屠敏
座標，美國阿拉斯加，北極圈。
一架白色小型飛機穿過湍急的強風，在白皚皚的積雪中穩穩著陸。李成博博士欣賞著窗外熟悉的景色，冰封的世界，像極了他的老家中國東北。雪景怡人，但旅程卻頗為周折，為了到達目的地，他需要頂風冒雪轉飛機四次。最後一程還是小型螺旋槳飛機，因為它能在冰上直接降落。安全降落後，他才發現，著陸地點是在一個冰湖上。
這樣的到訪已經三次，每次的任務都和收集資料有關，而又不僅僅是收集資料。一位資料科學家為什麼要到這極寒之地?這和“壓縮感知地震採集技術（CSI）”有著莫大的關係。
CSI技術是地震資料獲取技術上的一個突破，它使人類可以在短時間內收集海量地震資料，並資料質量較高，為下一步機器學習提供基礎。更進一步地說，這一技術的出現，很好地解決了油氣行業三維地震資料採整合本高、耗時長的難題。CSI能夠在同等成本的條件下，成倍提高資料採集的效率和質量，為下一步大資料與人工智慧提供基礎，目前是美國康菲石油公司（ConocoPhillips）所有的專利技術。最終目的是提取地下有效資訊。有了有效資訊，就好比有了地下情況說明書。而需要強調的是，這裡的地震是人為的，人為產生震動，再用“聽診器”獲得地下的健康狀況。
作為CSI技術的核心研發人員，李成博博士向《親愛的資料》主編譚婧介紹了自己的求學與研究經歷。2011年他從美國萊斯大學畢業，獲得了計算和應用數學博士。畢業當年，他加入美國康菲石油公司，擔任總部高階地球物理學家。他說，選擇加入美國康菲石油，也是和開發壓縮感知地震採集技術技術有關。
近幾年，他的工作聚焦在地球物理應用的壓縮感知技術，包括地震資料採集最最佳化設計和成像。資料既來自陸地，也來自海洋。現在，他負責開發用於地震處理的機器學習解決方案。他與研究夥伴合作發明了——壓縮感知地震採集技術。2016年，他獲“創新精神獎”。2018年，獲“科技優勝者獎”、“亞洲OTC新技術聚焦獎”。2017年，他和合作者的論文《Operational deployment ofcompressive sensing systems forseismic data acquisition》被選為國際知名雜誌《the Leading Edge》的當年最佳論文。2019年，他獲得了“傑出科研技術人員精神成就獎”。
雖然榮譽滿滿，但是這位優秀的青年科學家身上低調、嚴謹的特質非常突出。
地球物理資料採集環境往往是非常特殊的自然環境，除了愛好冒險和嚮往極致自然景觀的探險者，普通人很難有這份兒體驗。
“不允許留下任何人為的痕跡。車輛如果滲油，那麼就得連同冰與雪一起回收起來。對任何表面有植被的地方，決不允許人員與車輛進入。”他說，“做地震資料採集的專案面臨的挑戰實質上有兩個，一個是極端惡劣環境，一個是環境保護的良心。”
“夏天的時候不能有任何活動，只有在冬季的時候，整個地表全部都凍起來，形成凍層之後，才會被允許進行地質勘探活動。”由於辦公場地的特殊性，李博士的工作時間比普通人更加受限。
北極圈附近的氣候異常極端，人們會誤解該地區很難遭到人為的環保破壞。然而，該地區的生態環境卻非常的脆弱。作為到訪北極圈的科研工作者，他對“環境保護”理解非常深刻。既要考慮科研目的，也確保人類的任何活動都要保護當地環境。從一開始，環保就是擺在科研優先性前面的原則。
“可以被允許工作的時間段，不超過四個月。”李成博博士第一次踏上北極圈的雪地是在2015年的2月份。
眾所周知，在北極圈工作，將面臨嚴酷的工作環境。作為一個東北小夥，李成博對“抗凍”很有信心，然而，極端環境還是超乎他的想象。“採集資料時的溫度，也就零下三十多度吧，起風后，零下三十五度左右。女生（體重）輕一點站都站不穩。”天氣冷，時間短，任務重，是三個難點，但是有趣的一點是，他們在聖誕老人家附近“上班”。
CSI技術的核心是什麼？
可能連聖誕老人也不知道，資料科學家們正在進行著一項無比精細、複雜而宏大工程。這是一種模擬地震波傳播的方法，採用可控震源。透過震源持續震動，向下傳播的波遇到地下不同的岩層反射回地面接收訊號的方式來進行勘探。由於可控震源振幅擾動較小，對生態環境非常友好。
值得讓人興奮的是，開發新的地震資料採集技術是一項前沿性挑戰。也就是說，接收到的訊號，經過資料中心的數字處理和地質解釋，其成果成為判斷地下情況的重要依據。
李博士介紹，“簡單來說方法是，在地表放置檢波器和震源。透過某點激發一個震源，向地下傳波。遇到某一個比較強的反射層的時候，能量會透過強反射，反射回地表。這樣在地表就得到了一個響應的效果，接受到訊號。透過一組震源和一組檢波器，就可以採集到一個資料體。
在資料採集的時候，有上萬個檢波器同時工作。就形成了一個所謂的五維的資料體，進行地下情況的刻畫。說到底，這些接收到的訊號，經過資料處理和地質解釋，其結果會成為判斷海底地質結構的重要依據。CSI技術的核心就是，如何最優的放置這些檢波器點和震源點，在最小的代價下，最大化獲得地下資訊。”
因為這項技術對自然環境的影響較小，所以得到了州 政府的支援，否則，在聖誕老人的家門口人為的搞“小型地震”，他老人家未必願意。
資料越來越受重視，資料獲取技術也在進步
經過幾年艱苦的研發，陸地上的第一次大規模實施，就是在阿拉斯加。所以，2015年的2月，即是李成博的第一次，也是該項技術落地實施的第一次。
李博士說，“作為主要的技術研發人員，到作業現場做調整是必須的。”新技術實施後，他收到了雙份的驚喜。
第一個是地震資料收集效率得到很大的提高，五到十倍的增長。
第二個驚喜則是這項採集工作進一步減少了採集工作對自然環境的影響，尤其是減少了對極地環境的人類腳印。對於這兩項成績，康菲公司內部非常的振奮。
美國康菲石油公司除了與中國油氣行業的合作發展已經超過三十七年，是中國油氣上游領域的重要外國投資商和生產商之外，非常有意思的一點是，康菲石油技術長Gregory P. Leveille在《中國能源報》的採訪中公開表示，“就大資料應用方面，康菲石油主張讓專家和員工都進行實際操作，以提高工作效率。
目前，康菲石油1.1萬名員工中有4000名都可以接觸，並使用資料庫以及相關資料分析工具。”
他強調，“一方面，不斷追求高階人工智慧技術的研發，同時鼓勵和敦促員工學習和應用機器自動化；另一方面，將大資料技術適用於整條產業鏈，從鑽井到運營再到倉庫管理等所有領域。”
在另外一家外媒的採訪中，這位技術長還強調，“石油和天然氣行業的發展方式日益要求員工利用前沿的資料分析技能。”
不得不說，資料驅動型文化正在全球領先的石油公司根植。
地球物理中，獲取資料有何“不易”？
李博士說，油氣勘探的技術正在不斷進化，行業的資料採集工作有兩個特點，
第一個是採集到的資料量巨大，
第二個是資料採整合本非常高昂。
他對“資料量的飛漲”進行了專門地強調。在採集地震資料的時候，資料量大概有多大呢？在一次資料採集週期，兩到三個月可以在陸地上可以採到Petabytes單位的資料量。資料已成為石氣勘探的重要資產，資料在驅動油氣勘探技術創新。
李博士強調，“採集地震資料量是巨大的，海量的，無論你用什麼方法，必須要在海量的資料上有一個魯棒的表現。”
因為昂貴，所以省錢非常重要。
地震資料採集專案是非常花錢的工作，基本都是上億元人民幣起步。但是，如此巨資投入的情況下，資料的狀況還未必理想。一方面，利用地表的資料，來刻畫地下的資訊，並不是直接獲得資料的方式。另一方面，採集資料的時候，地表的情況也不容樂觀。以阿拉斯加北極圈內的採集專案為例，地表經常有非常嚴重的風噪音。因為採集到的資料的情況差，必須用一些技術手段把弱訊號還原，包括機器學習的方法。
李博士說，“壓縮感知地震採集技術，對解決採整合本高的難題有很大的幫助，可以透過一些不規則的採點方式收集地震資料，在降低採整合本，及不受特定限制區域影響的同時， 大大提高採集效率和成像解析度。”
機器學習應用的“難點”
“如何透過機器學習的方法把弱訊號恢復過來？”對於這個問題，李博士這樣回答，“在一個弱訊號、強噪音的情況下，處理這個問題的方法並不是技術發展到今天才出現的。過去幾十年，整個勘探地震學已經想出了很多解決辦法，比如透過建立模型把訊號提取出來。”
“這種方法在大多數的情況下（效果）還可以。如果只強調把比較強的訊號提取出來的話，困難並不大。難度在於，如何能夠把最後的20%的非常弱的訊號提取出來，這是地震處理中比較大的問題。在地震行業，是沒有標註的資料。地震資料處理中，沒有辦法對海量的資料進行監督學習技術處理，所以要用無監督學習的方法來進行工作。
有一點很重要，在處理這些資料的時候，有很多經典的、模型驅動的方法。應該充分利用這些樣本，不是說有了機器學習技術，其他的就不需要了。所以，第一步，我們需要在一個樣本中選取一個方法，建立一個合適的模型。比如說這個訊號大致長什麼樣子，可以把它估計出來。”
“利用一些傳統的方法把訊號大致估計出來之後，雖然並不能做到百分之百，但是百分之五十非常迅速地可以做到。然後，透過深度學習的方法，確認這個地震訊號到底在哪裡？這個訊號到底長什麼樣？透過已有樣本，反演弱訊號，高噪音情況下的反應。一部分是訊號，一部分是噪音，噪音是什麼呢？噪音在我們看來也是訊號。所以在工作的過程中，我們發現把噪音當成訊號來處理，對於‘去噪’效果非常，把噪音和訊號進行同步處理。說到底，機器學習在這個過程中起到了一個橋樑作用，將基於物理，數學的傳統方法和人工智慧聯絡起來”
同樣的觀點，也來自於全球領先的資訊資料分析公司，愛思唯爾（Elsevier）的高階資料科學家沈澄，久居倫敦工作的他在英國天然氣勘探公司有著豐富的專案經驗。他這樣告訴《親愛的資料》，打一個比喻，挑西瓜的時候，人們透過拍打西瓜聽聲音，推測西瓜是否成熟。在石油天然氣勘探領域，人們在地底下安裝很多震動的訊號器，然後收集反射回來的聲波、頻率等訊號。就好比能收集到很多很多個敲打西瓜的聲音。感測器收集到的資訊，作為深度學習輸入的資料，從而得到石油儲量資訊。
深度學習技術對於地球物理領域，有一個比較正面的影響，或者說，就是說一個比較大的作用就是，其實噪音裡面包含了很多資訊，以前沒有辦法從“噪聲”裡找到的資訊，這是我們沒有辦法，用好這個資訊。現在這項技術能夠從“噪聲”中“榨取”更多有用的資訊。
在地球物理領域，還有另一個難點。取樣率是比較低的。在使用機器學習技術分析影像時，用低解析度的照片來進行機器學習和高解析度的照片進行機器學習，這是有很大很大的區別的。現在大家可以輕鬆地獲得高解析度，比如，兩千畫素乘兩千畫素。在地球物理領域，幾十米的解析度已經很高了。畢竟是從地底下上萬米採集來的資料。
這種基於無監督學習和反演強噪聲殘留地震訊號恢復方法，可以應用於不同領域和不同階段，以提高地震處理的質量和效率。實測資料表明，該方法能夠較好地恢復40分貝以下噪聲裡的微弱訊號，或者從複雜的資料（儲集層、岩石）中提取特徵。將機器學習與傳統方法相 結合，成為解決地下問題提供了強有力的手段。
李博士強調，“人工智慧在油氣勘探領域已經開始陸續應用,曾經需要幾十個人處理幾個月的資料，用神經網路和人工智慧的訓練演算法去處理，效率和有效性兩方面都有很大提高。”
最後，李博士補充道，在油氣領域，大資料與人工智慧技術還可以用在很多環節。比如鑽井活動，可以透過大資料對老齡化油氣田進行分析和評估，儘可能延長其壽命。同時，還將其應用於新井鑽探和開發。每一年,全球大型石油公司都會打很多井，大資料技術不僅有助於提高效率、減少支出，還能夠減少生產活動的作業面積，即有益於生態環境，又提高了工作的安全和可持續性。
歡脫的雪橇犬在雪地裡留下一排小腳印，狐狸與駝鹿在樹林裡捉迷藏，星星在深藍色的天空裡眨眼，極光閃耀空中，北極大地平靜而廣袤，環境與未來在連線，新技術與古老能源在融合，人類探索自然與科技發展永不止步。