美国大陆上遍布着我们对石油渴求的历史痕迹。自19世纪50年代以来，全美各地已钻探了约350万口油气井。许多井在运营公司倒闭或因其他原因停止运营后就被废弃了，这些被称为“未记录的孤儿井”（UOW）的被遗忘化石燃料遗迹，经常被遗弃，没有采取有意义的措施来安全封堵它们。未封堵的孤儿井会泄漏危险的甲烷、石油和其他化学物质，污染空气并可能污染附近的水源。据估计，全美各地仍有13万至74万口此类未封堵的老井。
寻找和封堵这些油井是一项费力又费时的任务。如果手动识别油井符号，可能需要花费无数个小时翻阅数十万张旧地图，其中一些可以追溯到19世纪中叶。人工智能（AI）可能会让这个过程快得多。
研究人员采用了最先进的视觉神经网络模型，该模型在美国地质调查局四边形地图系列中不到100张地图上进行训练，时间跨度为45年。对于团队确认的新发现的孤井，该算法准确预测了10米以内的位置。研究人员已经确认了该模型在加利福尼亚州和俄克拉荷马州识别的1301口潜在井中有44口存在。研究人员相信，一旦扩大规模，这种新的人工智能驱动方法将有助于取得重大进展，最终使这些长期休眠的井完全下线。
研究人员在《环境科学与技术》杂志上发表的文章中详细介绍了他们训练人工智能的过程。研究团队专门训练他们的人工智能模式，以识别一种形状像空心黑色圆圈的符号，这种符号通常用于在地形图中识别油气井。人类数据标注员花了40个小时手动识别这些符号的样本，然后将它们作为人工智能模型的训练集。在训练人工智能时，研究人员必须考虑其他符号或具有相似圆形图案的标记，这些符号或标记可能会被误识别并导致假阳性。即使是数字“9”或“0”这样的圆形符号也可能成为假阳性。有些地图状况相对较好，但有些地图随着时间的推移而磨损和污渍斑斑。这个过程被比作“大海捞针”。
在对人工智能进行全面训练以检测油井符号后，研究人员便将其应用于加利福尼亚州和俄克拉荷马州四个石油资源丰富的县的数千张地图。该模型返回了1301口可能未记录的孤井。研究人员随后试图通过分析谷歌地球的航拍和卫星图像来验证这些发现。他们在人工智能识别的区域上空盘旋，寻找石油井架、抽油机和储油罐等特征，以表明油井的来源。该团队使用这种视觉方法验证了29口之前未记录的油井。
但并非所有废弃油井都能通过航空图像看到。许多油井位于地下。在这种情况下，研究人员需要进行现场测试，使用背负式磁力仪检测磁异常，这些磁异常表明地下埋有垂直金属管道。研究人员使用这种方法验证了另外15口油井。
“我们故意选择假阴性多于假阳性，因为我们希望谨慎对待通过我们的方法确定的单个井位，”Varadharajan补充道。“我们认为我们发现的潜在井位数量被低估了，如果我们的方法更加完善，我们可能会发现更多的井位。”
研究人员希望将人工智能的预测能力与其他现代技术（如配备传感器的无人机）结合起来，以迅速加快科学家检测并最终堵住潜在泄漏井的速度。未来，配备磁力计的无人机可以快速部署到无法进行空中探测的地区。配备甲烷传感器的其他无人机可以测量空气中的泄漏情况。同时，配备高光谱摄像机的无人机可以扫描与甲烷羽流相关的波长区域，而这些波长原本是人眼无法探测到的。
劳伦斯伯克利国家实验室博士后研究员Fabio Ciulla表示：“人工智能可以通过从历史数据中提取信息来增强我们对过去的理解，而这种规模在几年前是无法实现的。我们越是走向未来，就越能利用过去。”
