Rapid advances in artificial intelligence (AI) are helping the energy industry accelerate the transition to a low-carbon future. The Energy Podcast explores how AI is being used today and discusses how to unleash its potential.

Presented by Eno Alfred-Adeogun. Featuring Kate Kallot, founder and CEO of Amini, Bob Flint, CEO of Mirico and Amy Challen, Shell’s global head of AI.

Additional reporting by Claire François and Berry Mulder.

The Energy Podcast is a Fresh Air Production for Shell, produced by Annie Day and Sarah Moore and edited by Eno Alfred-Adeogun.

00:00:00

Eno Alfred-Adeogun: Today on The Energy Podcast.

00:00:07

Audio: I will be working alongside humans to provide assistance  and  support  and  will  not  be  replacing  any  existing  jobs.

You sure about that, Grace?

Yes, I am sure.

00:00:20

Eno Alfred-Adeogun: That’s Nurse Grace speaking at the  world's  first  robot  press  conference  last  year.  And yes, she’s a robot. Powered  by  artificial  intelligence  this humanoid can diagnose illness, deliver  treatments,  and  even  offer  patients  emotional  support.  Impressive, right?  Well, yes, but she’s just one  of  many  examples  of  AI-enabled  machines  designed  to  address  some  of  the  world's  biggest  challenges;  social  care,  disease,  hunger,  and  probably  sooner  than  you  think.  Consider how deeply AI is  already  entwined  in  so  much  of  our  daily  lives.  From  work  commutes …

00:01:03

Audio: You’ve arrived at your destination.

00:01:04

Eno Alfred-Adeogun: ...  to virtual learning …

00:01:07

Audio: (foreign language).

00:01:07

Eno Alfred-Adeogun: ...  to, " Alexa, what’s on my to- do list?"

00:01:11

Audio: Subscribe to The Energy Podcast.

00:01:14

Eno Alfred-Adeogun: A global AI revolution isn’t  coming, it’s already here.  So, could this rapidly advancing  technology  also  tackle  the pressing challenge of lowering emissions? Hello, I’m Eno Alfred-Adeogun, and today  on  The  Energy  Podcast  we  ask,  can  AI  get  the  world  to  net- zero  faster?

Joining me to discuss this  is  Kate  Kallot,  founder  and  CEO  of  the  African  tech  startup  Amini.  Bob  Flint,  CEO  of  methane  emission  monitoring  company  Mirico.  And  Shell's  global  head  of  artificial  intelligence,  Amy  Challen.  It’s really great to  have  you  all  on  the  episode  today.

Now, before we delve  into  the  world  of  AI,  a  really  helpful  place  to  begin  is  defining  what  it  actually  is.  Because by the number  of  definitions  I  found  when  researching  this  episode,  that's  actually  harder  to  do  than  it  sounds.  So let’s briefly see  if  we  can  reach  a  consensus  of  what  it  actually  is.  Kate, coming to you  first.

00:02:20

Kate Kallot: For me, I have  one  simple  definition  of  AI, which  is  going  to  literally  take  one  sentence.  It is the science to  make  computers  think  and  take  actions  like  humans.

00:02:30

Eno Alfred-Adeogun: Love it.  Brilliant.  Brilliant.  Amy, what about you?  Can you add to  that?

00:02:34

Amy Challen: I think I’m going  to  give  a  more  boring  answer.  I often think about  it  compared  to  software.  In software, we write  the  rules.  We say, " If this happens,  then  that  happens,"  and  we  define  what  that  rule  is.  But AI works differently.  We give AI a  load  of  historical  data,  and  we  say, " You  tell  us  what  happens  based  on  the  patterns  you've  observed  in  the  past."  And so it can  be  a  bit  of  surprise  what  it  comes  up  with.  The other thing to  watch  out  for  is  that  if  our  historical  data  is  biased,  if  the  world  has  changed,  then  we're  going  to  see  that  in  the  model.  So we have to  be  quite  careful.

00:03:10

Eno Alfred-Adeogun: Okay.  Bob, no pressure.  We’ve got two great answers.  Do you have anything to  add  onto  the  definition?

00:03:16

Bob Flint: Yeah, I get to go last.  I think all of the  above,  plus  extending  into  areas  where  humans  aren't  necessarily  good,  which  is  looking  at  huge  volumes  of  data.  So being able to process all  the  bits  and  bytes  that  come  from  sensors  from  the  real  world  and  floods  of  information  like  you  would  find  in  an  oil  and  gas  company  and  process  that  in  super  high  speed.

00:03:40

Eno Alfred-Adeogun: Okay,  so now that’s clear, we  can  turn  our  attention  to  how  the  energy  sector  is  actually  harnessing  the  power  of  AI.  So, Bob, your company, Mirico, it  monitors  emissions,  and  then  companies  can  pair  the  data  that  you  gather  with  AI,  which  can  then  help  to  combat  the  emissions  found.  Can you share some good  examples  of  this  pairing  in  action?

00:04:06

Bob Flint: What we do is primarily we address the issue  of  methane  emissions  from  energy.  And  methane  is  about  30  times  worse  than  carbon  dioxide  for  global  warming,  so it’s something that we  all  should  be  concerned  about. The good news is  if  you  stop  emitting  methane,  the  world  starts  to  cool  pretty  much  immediately  because  methane  just  decomposes  in  the  atmosphere.  So that’s why it’s  so  important.  So we scan an  area,  say,  an  oil  and  gas  facility,  for  those  emissions.  Measurement leads to action,  leads  to  reduction,  and  we  can  then  put  that  data  into  one  of  Shell's  systems  of  record,  say  a  digital  twin.

00:04:48

Eno Alfred-Adeogun: On the digital twin,  because  that's  another  concept  I  feel  like  I've  read  a  lot  about  as  well.  Could you just expand  on  what  that  is?

00:04:54

Bob Flint: A digital twin would  be  a  replica  of  something  in  the  real  world,  a  refinery,  a  rig  and  it  sits  in  silico,  in  a  computer  rather  than  in  the  physical  world.  So that would enable  you  to,  for  example,  start  making  predictions  or  what-if  type  of  questions  on  what  might  happen  in  the  real  world  in  circumstances  which  you  wouldn't  want  to  see.  So you might predict  what  happens  if  I  change  temperatures  and  pressures  in  a  way  that  might  be  dangerous.  Well, I can do  that  in  a  computer.  I wouldn’t want to  do  that  in  the  real  world.

00:05:30

Eno Alfred-Adeogun: Now, considering the ambitious  climate  targets  that  have  been  set  worldwide,  it's  really  no  wonder  that  people  are  looking  to  AI  for  solutions.  Amy, what would you  say  are  the  main  ways  that  AI  is  enabling  a  low-carbon  energy  system?

00:05:47

Amy Challen: I think there are  four  main  ways it’s already doing this  and  is  going  to  continue  in  the  future.  Firstly, it can improve  the  efficiency  of  everything  we're  already  doing.  Whether that’s renewables or  hydrocarbons,  a  couple  of  percentage  points  of  efficiency  can  make  a  difference  to  the  productivity  of  our  energy  system  and  can  reduce  CO2  emissions  and  methane  emissions.  The second one is I don't  think  we're  going  to  enable  a  widespread  renewable  system  without  having  really  excellent  forecasting  and  optimisation,  two  things  that  AI  is  incredibly  good  at.  Because renewables like wind  and  solar,  they're  intermittent.  Sometimes the wind blows,  sometimes  the  sun  shines,  sometimes  it  doesn't,  and  it's  not  entirely  predictable.  So, you use AI  to  predict  when  that  will  happen  and  to  optimise  how  you  use  your  battery,  how  you  buy  and  sell  energy  to  make  sure  that  we  always  have  the  energy  supply  when  we  need  it.

The third way is  through  everything  we  can  do  in  lab  sciences,  in  research  and  development  there,  and  in  design  of a  new  energy  components  and  systems.  So for example, with  the  lab  sciences,  you  have  a  whole  process  of  research  you  go  through.  You look at papers  and  patents  to  have  an  idea  of  what  to  research  on.  AI can really speed  up  your  search  there  and  find  the  right  things  to  be  looking  at  to  make  suggestions.  And finally, it’s got  a  big  role  to  play  in  monitoring.  If we don’t know  what  the  current  situation  is  in  terms  of  working  out  where  methane  emissions  is,  then  we  don't  have  a  baseline,  and  we  can't  track.  And that’s hugely important  to  be  able  to  know  what's  effective,  what's  not,  and  where  are  we  going.

00:07:25

Eno Alfred-Adeogun: Kate, you’re based in  Africa,  so  it'd  be  really,  really  good  if  you  could  paint  a  picture  of  the  role  AI  is  playing  on  the  continent,  if  at  all,  in  different  energy  systems.

00:07:37

Kate Kallot: Africa is still the most  data- scarce  continent.  We think about the data  scarcity  affecting  many  different  places,  whether  it's  having  billions  of  people  that  are  still  unconnected,  whether  it's  having  data  scarcity  when  it  comes  to  satellite  imagery,  when  it  comes  to  meteorological  data. So when we think  about  the  transformative  role  of  AI  in  Africa  a  little  bit  more  broadly,  there's  still  step  one  that  needs  to  be  fixed,  which  is  the  data  scarcity.

Now, when it comes  to  where AI can be applied, it's important  to  remind  everyone  that  AI  is  just  a  tool,  and  it's  not  going  to  come  and  transform  everything  and  make  everything  better – it’s a means to  an  end.  It’s not actually the end. So when we think  about  the  solutions  that  AI  will  enable  to  build,  we  always  have  to  go  back  to  the  foundation,  which  is  what  problem  we're  trying  to  solve.

00:08:28

Amy Challen: And could I build  on  something  Kate  just  said  as  well,  which  is  there's  no  AI  without  data,  absolutely  foundational.  But also, AI and  data,  they're  not  the  answer  to the  energy  transition.  They’re both mega-enablers of  it,  but  fundamentally,  you  have  to  have  the  physical  and  chemical  technologies  and  a  huge  change  in  the  way  we  work  and  the  way  we  live  in  order  to  make  that  happen.

00:08:50

Eno Alfred-Adeogun: There’s an old  adage,  but  don't  ask  me  to  quote  where  this  came  from.  But I bet you  might  have  heard  of  this,  that  you  can't  manage  what  you  can't  measure.  So, with that in  mind,  Bob,  how  important  is  it  to  not  only  track  greenhouse  gas  emissions,  but  to  do  so  accurately?

00:09:11

Bob Flint: As you say, you stand no  chance  of  understanding  what  to  do  if  you  don't  know  what  the  baseline  is.  And  actually,  maybe  people  think  emissions  often  come  from  leaks,  a  flange  that  isn't  quite  tightened  properly.  In many cases, emissions like  methane  just  come  from  the  way  that  an  asset  is  being  managed.  And actually, you can start to  manage  the  asset in  a  different  way  if  you  know  why  emissions  are  happening.  You can start to maybe change  the  way  in  which  it's  loaded  and  unloaded  or  even  cleaned.  And then the last piece where  AI  could  really  help  in  emissions  is  helping  to  optimise. So in that digital world, if  you  have  got  a  digital  twin  and  you're  able  to  run  some  sophisticated  algorithms,  you  can  start  to  say, " Well,  I'm  not  going  to  tolerate  last  year's  emissions.  This year, I’m going to make  less.  And I’m going to set myself a  target,  and  I'm  going  to  meet  or  exceed  that  target.

00:10:04

Eno Alfred-Adeogun: Now, with the speed at which  technology  is  advancing,  the  potential  solutions  that  will  arise  through  AI  are  vast.  And when it comes to the  energy  sector,  we're  already  seeing  that  potential  turned  into  reality.  Take for instance the drone  parked  in  a  box  at  Shell's  Energy  and  Chemicals  Park  Rotterdam  in  the  Netherlands,  where  crude  oil  is  processed.  Claire François is with Shell’s  robotics  expert,  Berry  Mulder,  to  find  out  how  the  drone  uses  AI  to  monitor  the  site  and  detect  leaks.

00:10:36

 Berry Mulder: So, there’s actually no one  on  site  to  fly  the  drones.  They’re sitting remotely, and the  drones  go  around  a  few  times  a  week  to  scan  for  emissions,  to  check  on  rooftops,  and  all  the  other  things  that  operators  typically  go  around  for.

00:10:53

 Claire François: Well, we’ve just seen  the  drone  fly  off.  Can you tell  us  what  it's  doing  now?

00:10:56

Berry Mulder: Looking at the  tanks  from  above,  so  basically  saving  us  many  hours  a  day  to,  well,  not  walk  up  to  the  tanks  every  time.  It just brings us the  pictures.  So, the people, the  operations,  they  look  at  the  pictures  as  if  they  would  walk  around  and  then  interpret  what  needs  to  be  done  to  the top of the  tanks.

00:11:13

Claire François: And so how  is  AI  part  of this  process?

00:11:17

Berry  Mulder: Right now, people  are  still  looking  at  the  pictures  because  it's  a  learning  process  for  all  of  it.  We expect that  AI  machine  vision  analytics  will  help  us  to  analyse  our  pictures  faster  and  better  in  the  near  term,  but  just  spotting  the  differences,  the  anomalies,  corrosion  or  things  that  broke  or  emissions  leaks  similar  to  what  we  do  with  the  ground  robots  right  now.

00:11:38

Claire François: Can you tell  us  how  a  drone  like  this  and  your  other  robots  in  the  field  are  helping  to  detect  methane  emissions  or  broader  emissions?

00:11:46

Berry  Mulder: So really having  additional  sensors  on  the  ground  and  in  the  sky  to  detect  leaks  while  they're  still  small,  and  so  we  can  fix  them  while  they're  still  small  and  not  big.  And that’s where  having  additional  noses  fly  and  drive  around  really  helps  us  if  you  take  it  to  the  AI  part.  It’s also eventually  sort  of  making  correlations.  Where are the  sources  coming  from?  Where is it  building  up  faster?  We expect it  will  even  help  us  in  emergency  responses,  try  to  detect  the  plumes,  the  concentrations  faster  than  we  do  today.

00:12:23

Eno Alfred-Adeogun: As Berry just  demonstrated,  technical  solutions  to  help  reduce  emissions  already  exist.  But despite that,  according  to  the  United  Nations,  the  world  is  falling  short  of  its  climate  goals.  How can AI  be  a  better  companion  to  existing  digital  technologies,  Bob,  to  drive  progress  more  quickly?

00:12:44

Bob Flint: Most operating companies  would  have  vast  data  sets  already.  AI can play  a  role  in  just  mining  that  data  for  information  and  then  surfacing  that  so  that  it  can  be  acted  upon.  The other thing  I  just  want  to  point  out  is  that  the  emissions  challenge,  and  we  heard  something  of  that  drone  solution  in  that  clip,  is  really  about  deploying  lots  of  different  solutions.

There’s no single  silver  bullet  in  that  measurement  journey.  So, you’ll probably  have  some  satellite  systems,  some  drone  systems,  some  ground  sensors,  maybe  even  some  robots.  And bringing all  those  diverse  data  sets  together  is  a  big  challenge,  and  AI  can  really  help  us  do  that.  So, build one  picture  of  what's  happening  in  the  real  world  from  a  set  of  very  disparate  data  sets  and  then  using  that  to  drive  decision- making.  That will  be  a  wonderful  application.

00:13:43

Amy Challen: And that’s  essentially  what  a  digital  twin  is at  the  end  of  the  day.  It’s a  combination  of  all  these  different  data  sources.  So, like  you  say,  Bob,  your  laser- based  detection  of  methane  using  machine  vision  techniques  to  do  that, and then  all  the  other  collection  of  data  about,  say,  the  operation  of  an  asset,  and  you  pull  that  together.  And as  Berry  in  the  extract  just  said,  you're  going  from  quick  detection  of  leaks,  which  you  can  shut  down  as  quickly  as  possible,  to  prediction  of  leaks.  So, you’re  much  less  likely  to  happen  because  you  can  fix  things  in  advance,  you  can  work  out  where  there's  risk,  and  you  can  do  preventative  maintenance,  so  it  doesn't  have  to  happen.  And that’s  the  aim  at  the  end  of  the  day,  is  how  you  can  act  in  advance  to  reduce  emissions  rather  than  just  react  quickly.

00:14:23

Eno Alfred-Adeogun: Now, we  haven't  touched  on  an  important  group  I  think  that  we  need  to  consider  in  this  conversation,  and  that's  energy  customers,  both  businesses  and  the  public.  What benefits  could  AI  offer  that  will  encourage  them  to  reduce  their  own  emissions? Bob can I ask you that?

00:14:41

Bob Flint: Yeah, I think  whether  it's  consumers  or  businesses,  actually,  energy  is  unfortunately  a  topic  that's  quite  hard  to  get  people  to  engage  with.  And one  of  the  methods  of  doing  that  is  price.  We all  feel  energy  is  something  that  is  visible  when  we  get  the  bill.  But in  order  to  be  energy  efficient,  maybe  change  our  behaviours  takes  quite  a  lot  of  effort,  and  I  think  AI  can  really  help  us  with  taking  away  some  of  that  friction  by  giving  us  maybe  some  price  signals,  “Here's  a  discount  if  you  do  something."  Like maybe in  the  US,  there  are  demand  reduction  programs,  which  are  run  by  businesses  for  businesses,  encouraging  people  to  switch  off  their  refrigerators  and  air  conditioning  systems  for  an  hour  during  peak  times.  And it could  even  start  to  automate  some  of  those  interventions,  turn  things  off  automatically.  So, taking away  some  of  the  pain  of  acting  responsibly  for  people  who  want  to  do  the  right  thing  but  who  are  busy  and  need  to  find  the  time  to  do  it,  I  think  AI  will  play  a  huge  role  in  that.

00:15:48

Eno Alfred-Adeogun: AI may be  helping  to  find  solutions  to  reduce  emissions,  but  we  also  need  to  consider  the  vast  amount  of  energy  that's  used  to  develop  and  run  it,  which  risks  increasing  the  world's  emissions.  I’m thinking particularly  about  the  huge  amount  of  energy  that's  used  to  run  data  centers.  What do you think  is  the  most  important  action  that  the  tech  industry  must  take  to  prevent  AI  from  contributing  itself  to  global  warming,  Kate?

00:16:23

Kate Kallot: The technology has made so  much  advancements  today  that  you  don't  actually  need  to  build  large  scale data  centres  everywhere  to  be  able  to  run  the  amount  of  compute  that  you  need.  There are new ways  to do it. They’re decentralised ways, power- efficient  ways.  The industry is heading  towards  the  right  direction,  but  I  think  there's  still  a  lot  of  work  to  do  when  it  comes  to  understanding  what  that  really  means  on  the  ground.

For example, understanding that most  of  the  compute  that  you  need,  you  need  it  for  the  training.  When it comes to  deploying  AI  systems,  it  doesn't  require  that  amount  of  compute.  So, can you find  innovative  ways  to  share  the  computes  between  countries,  between  industry,  between  companies?  Can you find innovative  ways  to  build  decentralised  data  centres  or  decentralised  computing  infrastructure  where  you  have  smaller  amount  of  compute  in  different  regions  that  are  linked  together,  and  different  actors  can  get  access  to  that  compute at different  times  or  different  days?

00:17:21

Eno Alfred-Adeogun: Amy, is there any  way  we  can  stop  AI  becoming  a  monster  in  itself?

00:17:27

Amy Challen: Absolutely agree with Kate.  Even more fundamentally, though,  you  can  also  ask  yourselves, "Do  you  need  to  train  this  model?"  So I think what  I  see  externally  is  the  technology  companies  in  particular,  they're  in  a  kind  of  arms  race  to  get  the  best  generic  large  language  model.  Do we need 10  of  them  or  do  we  just  need  a  couple?  Within Shell, certainly, I  really  challenge  everyone,  do  we  need  to  do this?  And to Kate’s point,  it's  a  lot  more  effort  to  train  a  model  than  just  to  deploy  it.  So if you’ve already  got  a  really  good  core  model,  which  you  can  just  adjust  slightly,  whether  through  fine-tuning  or  prompt  engineering,  let's  do  the  minimum  we  have  to  because  that  will  save  a  lot  of  energy.

00:18:06

Eno Alfred-Adeogun: Now, before we close,  I'm  going  to  put  each  of  you  on  the  hot  seat.  I don’t know if  you've  already  been  feeling  like  you  were  on  one,  but  it's  about  to  get  hotter! Because I want each  of  you  in  no  more  than  20  seconds  to  say  what  you  think  the  most  exciting  development  in  the  energy  sector  you  expect  or  want  to  see  AI  transform  in  the  future.  Bob, let’s start with  you.

00:18:30

Bob Flint: Ooh, okay.  Great question.  I think the bit we  haven't  really  got  to  yet  is  thinking  about  energy  as  a  system.  How do we interconnect  the  traditional  bits  of  that  system,  like  the  fossil  parts  with  the  new  parts,  like renewables  and  storage  and hydrogen,  to  create  a  whole  new  ways  of  working?  I think that’s really  one  of  the  areas  where AI  is  going  to  have  to  be  deployed  if  we're  going  to  break  down  some  of  those  barriers.  Look  at  complex  new  areas  like  hydrogen,  and  use  them  most  effectively.

00:19:06

Eno Alfred-Adeogun: Okay.  Kate, same question to  you.

00:19:09

Kate Kallot: I’m going to be  a  bit  biased  because  I  run  a  climate  tech  company,  but  for  me  is  around  exploration.  So, making sure that  using  AI  actually  to  better  understand  and  assess  the  reserves,  but  also  avoiding  the  destruction  of  more  biodiversity.

00:19:26

Eno Alfred-Adeogun: And, Amy, what do  you  think?

00:19:28

Amy Challen: I think I’ll say it’s this  use  of  AI  in  research  and  development  and  in  design  that  I  think  we're  only  scratching  the  surface  in  how  quickly  we  could  speed  up  the  advancement  of  development  of  materials,  advancement  of  development  of  new  chemical  solutions,  and  in  designs  for  better,  more  efficient  assets.

00:19:51

Eno Alfred-Adeogun: Kate Kallot, Bob Flint, Amy Challen, thank  you  all  so  much  for  your  incredible,  insightful,  and  thought-provoking  contributions  today.  Really great.  You’ve been listening to  The  Energy  Podcast  brought  to  you  by  Shell.  Be sure to follow  and  subscribe  for  free  wherever  you  get  your  podcasts,  so  you  don't  miss  a  single  episode.  The Energy Podcast is  a  Fresh  Air  production,  and  the  views  you've  heard  today  from  individuals  not  affiliated  with  Shell  are  their  own  and  not  Shell PLC or  its  affiliates.  I’m Eno Alfred- Adeogun.  Thank you for listening.  Goodbye.