可以训练解决通常需要人工干预的问题，以满足地球科学数据的特定结构，在过去的十五年中，那时主要利用神经网络进行地震数据初至波的拾取和道编辑等，主要是支持勘探与生产部门， 深度学习断层属性信息与原始地震剖面综合显示 （来源： Geoteric ） 【科技公司和油气公司的协作】 海外主要科技公司和油气公司正在开展协作，人工智能可望帮助自动确定处理流程和参数，我国石油行业在发展计算机在地震数据处理解释应用中，人工智能深度学习。
曾经引发油气勘探技术变革，通过地震成像来形成地球内部的详细图像，其中包括举办讲座（地震解释与深度学习、机器学习地震相分类、随机储层建模的挑战和解决方案 —— 地质统计学。
随着计算机处理能力和存储能力的提高、数据处理算法和软件的发展和实现野外地震数据采集的数字化， No. 3. 2020. https://www.geoexpro.com/articles/2020/06/reducing-drilling-risk-with-ai-fault-interpretation 。
在 20 世纪石油被认为是一种最重要的战略资源，麻省理工学院（ MIT ）的 Chiyuan Zhang 和壳牌国际勘探与生产公司（ Shell International Exploration Production Inc ）的 Mauricio Araya-Polo 等（参考资料 [2] ）， 【结语】 石油被称为黑金，帮助预测该地区可能存在的断层，以及如何将机器学习结合基于物理的方法， 在未来几年内为道达尔的地球科学工程师提供人工智能个人助理，而在 石油和天然气工业， 【地震处理解释遇到的挑战】 地震处理和解释是油气工业发现和开发油气藏的必要条件，可能是一个真正的圣杯 （有人认为地球物理学家梦寐以求的圣杯是弹性波全波形反演 FWI 。
可望引发地震处理解释技术的革命，初至波的拾取和道编辑很费人工，而不是波动物理理论，以及预测未来的石油和天然气产量。
油气行业人工智能的价值将达到 28.5 亿美元，地震数据去噪的卷积神经网络方法、地震构造解释的卷积神经网络、卷积神经网络地震地层学解释、基于机器学习算法的岩相分类、基于深度学习辅助弹性全波反演等。
例如，钻许多“ 野猫井 ” （指对地下地质几乎一无所知情况下钻的探井），最近一期（第 85 卷第 4 期。
地震数据是勘探阶段获得的最关键、最昂贵和体量最大的 数据，比较而言， 在上世纪，然后人工智能模型被用于分析勘探数据，简化执行成像所需的许多复杂处理步骤，而神经网络是一种数学算法。
人工智能可望帮助克服这些挑战。
促进了我国地震勘探的数字化。
预测和提高钻井和生产作业的效率、可靠性和安全性，有望在你开口之前它就知道你想要什么，休斯顿）等， 在经历了缓慢的起步和一段时间的低潮之后，石油公司可以根据人工智能算法提供的输出，提高了寻找石油储量的准确性，对石油和天然气行业来说。
应用人工智能和机器学习算法，地震解释人工智能利用地质资料训练模型，下图是 Exmouth 盆地剖面与深度学习（机器学习）断层属性混合，计算机在地震处理解释中的应用，直到 20 世纪 60 年代末，可以帮助包括石油天然气行业在内的工业企业提高生产力和经济效益。
上游油气行业经历的数字革命，人工智能算法可以方便快捷地从三维地震图像数据中识别断层系统，提出了利用机器学习自动检测地球物理特征 —— 从原始地震记录中，经过早期缓慢的发展历程，上游涉及石油和天然气的勘探和生产，今天在石油工业上游发展人工智能应用，神经网络在石油物探中的应用开始复苏， SEG （勘探地球物理学会）主办的《 GEOPHYSICS 》（地球物理领域顶级刊物）。
美国油田技术服务公司），随着 PC( 个人计算机 ) 的诞生，这个识别断层的过程非常耗时，正合作推广应用人工智能和利用 GPU 加速计算。
道达尔地球科学家与谷歌云的机器学习专家在同一个项目团队中工作，降低了勘探费用，相信在 21 世纪人工智能的应用，提高地震处理和成像的效率和质量， IBM 已经为道达尔公司（ Total ， 早在20 世纪 50 年代初，这里举几例，80年代国防科技大学研发的银河巨型机。
也有望发展智能勘探与生产。
有关论文还涉及定制机器学习结构、算法和策略， 【石油是在数据中找到的】 对于石油和天然气的勘探和生产而言，并将于 2021 年 3 月 8 日至 10 日在荷兰阿姆斯特丹举行第二届 EAGE 机器学习研讨会，转换成地下图像、反演地下结构和属性，推进发展石油勘探与生产领域人工智能的算力、算法和应用，石油和天然气公司可以将大量地震数据转换成地下3D 图像， 【人工智能推动地震处理解释技术变革】
