Prototypen lar KI-agenter jobbe sammen med fagfolk hele veien fra seismisk tolkning til reservoarsimulering. Agentene fungerer som medhjelpere, oppslagsverk og bindeledd mellom fagområdene.
Resultatet ble vist på IMAGE, en av verdens største konferanser for anvendt geovitenskap og energi.
– Veldig motiverende å jobbe så tett med industrien, sier Åsmund Mjøs, som nå er i gang med sitt femte studieår på studiet fysikk og matematikk, med retning teknisk fysikk, ved NTNU.
KI-agentene bygger bro mellom fagene
Se for deg tre fagfolk som jobber med det samme olje- og gassfeltet. Geofysikeren tolker seismikken og kartlegger undergrunnen. Geologen bygger en modell av bergartene. Reservoaringeniøren beregner hvordan olje, gass og vann beveger seg. De jobber med det samme feltet, men bruker ulike begreper, data og programmer.
– I dag må mye av informasjonen sendes fra den ene fagpersonen til den neste. Hver gang må data og begreper oversettes mellom ulike fagspråk. Det kan sammenlignes med å ha tre forskjellige ordbøker, men bare kunne slå opp i én om gangen, sier Jakob Torben, forsker i SINTEF og veileder for studentene.
Språkmodellene bak verktøy som ChatGPT og Claude håndterer fagspråket i alle de tre fagfeltene. Det de ikke gjør, er å ta i bruk de spesialiserte programmene og dataformatene som brukes i disse fagene, og binde dem sammen til en arbeidsflyt. Det er her KI-agenter kommer inn, forklarer han.
– En KI-agent kan bruke språkmodellen til å hente informasjon fra flere programmer og fagområder og sette den sammen. Den kan også ta seg av selve arbeidet mellom fagprogrammene: sette opp modeller, kjøre simuleringer og hente ut resultater. Geofysikeren kan for eksempel få svar på et spørsmål fra reservoarfaget, samtidig som tolkningen fortsatt pågår og kan endres.
Det var denne muligheten sommerstudentene Åsmund Mjøs og Vetle Støren utforsket i SINTEF. De bygget videre på SINTEFs egen programvare og koblet den til verktøy fra Geoteric. Målet var å knytte tolkning og simulering tettere sammen, slik at fagfolk kan jobbe raskere og mer på tvers av fagområdene.
Lærte KI-agenten å forstå fagene
– Hvis vi fortsetter ordbok-metaforen, var vår jobb å mate agenten med data og lære den opp i hvordan man slår opp i de ulike ordbøkene, sier Mjøs. Han fremhever at de jobbet tett med erfarne forskere i avdeling for matematikk og kybernetikk i SINTEF.
– Jeg er veldig glad for at vi hadde mange å spørre om råd, og synes det var veldig gøy å jobbe i et miljø med så mange genuint nysgjerrige og dyktige forskere, sier han.
I starten av sommeren brukte studentene mye tid på å forstå fagområdet KI-agenten skulle navigere i. De måtte blant annet sette seg inn i reservoarsimulering, som brukes til å beregne hvordan olje, gass og vann beveger seg i undergrunnen.
Studentene koblet dette med seismiske data fra Geoteric. Plattformen ble testet på et offentlig tilgjengelig datasett fra Australia.
– Målet med agenten er å kunne styre simuleringer av ulike scenarioer i naturlig språk. Du kan for eksempel spørre agenten: «Hvor mye av vannet vi pumper ned i denne injeksjonsbrønnen, havner hos hver av produksjonsbrønnene?» Da kan svaret være at én produksjonsbrønn får 60 prosent, mens to andre får 25 og 15 prosent, forklarer Støren, som studerer industriell matematikk ved NTNU på tredje året.
Mjøs var sommerstudent i SINTEF også i fjor. Da ønsket han seg oppgaver som var spesielt relevante for matematikk og fysikk.
– Dette oppdraget var en bekreftelse på at SINTEF tok hensyn til mine tanker, og det er veldig stas. Jeg føler at jeg ble lyttet til etter tilbakemeldingene jeg ga i fjor, sier han.
Fra prototype til verdensscene i Houston
Studentene ble kastet inn i en viktig leveranse. Plattformen skulle demonstreres på IMAGE-konferansen i Houston, som startet 17. august, og prototypen måtte bli klar før avreise.
Torben mener de kunne gi studentene et så stort ansvar fordi nivået på søkerne til sommerjobbene er høyt.
– Med såpass gode søkere har vi høye forventninger. I tillegg gjør kodeagenter at en liten gruppe kan bygge langt mer på en sommer enn for bare et par år siden. Teknologi med KI-agenter er noe mange unge har god kjennskap til, og vi utforsker nå nye måter å jobbe med denne teknologien på, sier Torben.
Prosjektet ble gjennomført på rekordtid, og Geoteric fikk muligheten til å vise hvordan KI-agenter kan koble sammen spesialiserte verktøy innen geovitenskap.
– Jeg er overbevist om at åpne KI-agentplattformer vil endre måten geovitere arbeider på, sa Jan Grimnes, styreleder i Geoteric, i en pressemelding tidligere i sommer.
– Mulighetene ligger ikke bare i å automatisere enkeltoppgaver, men i å få spesialiserte verktøy til å arbeide sammen om å teste alternativer, synliggjøre usikkerhet og gi beslutningstakere et bedre grunnlag. Det er dette vi ønsker å vise sammen med SINTEF, sa Grimnes.
Kan overføres til batterier og karbonfangst
Teknologien SINTEF-forskerne utviklet for geofag, kan også brukes på helt andre områder. Forskningsleder og sjefforsker Knut-Andreas Lie forteller at SINTEF allerede har erfaring med KI-agenter innen blant annet varmebrønner, batterier og karbonfangst.
Han peker på vinteren 2025/2026 som et vendepunkt for KI-agenter. Modellene var blitt kraftige nok, og rammeverkene som styrer dem var endelig tilpasset det modellene faktisk klarte.
– Først da ble agentene virkelig selvstendige. De kunne ta i bruk fagprogrammer, arbeide over lengre tid og løse komplekse oppgaver med mindre hjelp fra mennesker, forklarer Lie.
KI-agentene kan dermed overta mer av det manuelle arbeidet med filer, programmer, resultater og justeringer. Lie og kollegene mener utviklingen fortsatt er i startfasen, og at vi bare har sett begynnelsen på hvordan KI-agenter vil endre måten vi jobber på.
– Mye av det vi har utviklet i dette prosjektet er overførbart til andre fagområder. Veien fra et eksperiment med data i en lab til en faktisk digital modell av for eksempel et batteri kan bli mye kortere med denne typen teknologi, avslutter Lie.
SINTEF Digital har ekspertise innen reservoarsimulering og over 20 års erfaring med å utvikle åpne kildekoder, blant annet reservoarsimulatoren JutulDarcy som ble brukt i dette prosjektet. Vil du vite mer om oss som står bak denne teknologien? Ta kontakt med forskningsgruppen Anvendt beregningsvitenskap.
