Катерина Овсянко

Хотите посмотреть на работу искусственного интеллекта? Всё просто: загрузите в смартфон приложение MSQRD, изменяющее на экране вашу внешность, или Prisma, чтобы попасть на полотно в стиле Ван Гога. Уже установили? И в банк за кредитом вы уже обращались? Там, скорее всего, решение о вашей благонадежности также принимали искусственные нейросети. Так что технологии будущего — реальность. Пока они выполняют не самые сложные задачи, но всё впереди: нейросети уже помогают принимать важные решения и в очень крупных промышленных проектах.

Нервы для машины

Искусственные нейросети относят к группе так называемых когнитивных технологий. Это, конечно, очень размытое понятие, просто подразумевающее, что машина выполняет работу, которая раньше считалась исключительной прерогативой людей, и имитирует умственную деятельность человека. Что касается искусственных нейросетей, то они имитируют не только деятельность, но и структуру человеческой нервной системы, так как состоят из большого количества вычислительных элементов — «нейронов», относящихся к определенному слою сети. Входные данные последовательно проходят обработку на всех слоях, при этом параметры каждого «нейрона» могут изменяться в зависимости от результатов, полученных на предыдущих наборах входных данных, изменяя таким образом и порядок работы всей системы. Так моделируется способность человеческой нервной системы к обучению и исправлению ошибок. В этом состоит главная особенность любой нейронной сети: она способна самостоятельно обучаться и действовать на основании предыдущего опыта, с каждым разом становясь всё точнее.

Стоит отметить, что мысль о воспроизводстве человеческой нейронной структуры для создания искусственного интеллекта появилась еще до появления самого термина «искусственный интеллект», в 1943 году. Первую попытку формализовать нейронную сеть предприняли американские ученые Уоррен Мак-Каллок и Уолтер Питтс в статье о логическом исчислении человеческих идей и нервной активности. Спустя 70 лет эта технология стала одной из базовых в структуре «Индустрии 4.0».

Диагносты и нефтяники

Применение машинного обучения имеет обширный потенциал для улучшения производительности почти в любой деятельности, которая формирует большое количество данных. Это и прогнозирование продаж, и управление запасами, и здравоохранение. Нейросети в медицине используются для диагностики заболеваний. Всего один пример: врач правильно диагностирует инфаркт миокарда у 88% больных и ошибочно ставит этот диагноз в 29% случаев. Нейронная сеть продемонстрировала точность 92% при обнаружении инфаркта миокарда и дала только 4% сигналов ложной тревоги.

Пример из ритейла: компания «М.Видео» внедрила когнитивные технологии для улучшения клиентского сервиса в онлайн-магазине. Искусственный интеллект анализирует поведение клиента на сайте, переходы между страницами, просмотры разделов, после чего система готовит персональные товарные рекомендации, которые направляет зарегистрированному пользователю по почте.

С помощью сенсоров, установленных на продаваемом оборудовании, аналитики компании GE Oil & Gas получают оперативную информацию о состоянии нефтедобычи, а для анализа массивов данных в 2012 году была разработана облачная платформа Predix, которая, используя алгоритмы машинного обучения, позволяла инженерам составлять расписания диагностических проверок, улучшать эффективность использования оборудования и снижать время простоя, выявляя возможные неисправности до того, как они произойдут.

Это пример использования самообучающихся систем на стыке производства оборудования и нефтегазовой промышленности, однако и в чистой «нефтянке» возможностей для применения когнитивных технологий масса. Неслучайно, например, британская BP в 2017 году приобрела компанию Beyond Limits, стартап, который на основе искусственного интеллекта и когнитивных вычислений адаптирует для сектора upstream технологии НАСА, предназначенные для разведки дальнего космоса. Директор группы по природным ресурсам и сырьевым товарам Fitch Ratings Дмитрий Маринченко, в свою очередь, прогнозирует, что центром развития «умной цифры» в нефтегазе станут США: «Учитывая, что производители сланцевой нефти перманентно находятся в режиме борьбы за выживание, именно в США будут появляться и обкатываться самые передовые технологии. Сейчас американские компании (например, Pioneer) называют более активное использование цифровых технологий частью своей стратегии». Однако российские нефтяники, судя по всему, на обочине четвертой промышленной революции оставаться не намерены. К примеру, «Газпром нефть» планирует активно привлекать искусственный интеллект к процессу освоения новых месторождений.

Когнитивная революция

Первые этапы любого проекта освоения месторождения самые ответственные. От правильности интерпретации данных, полученных с помощью различных методов геологоразведки, и точности выбора оптимальных вариантов разработки зависит вся дальнейшая судьба актива. Ошибки, допущенные на этом этапе, очень дороги и практически непоправимы в будущем.

Большую часть времени, затрачиваемого на этом этапе, занимают рутинные операции обработки данных. Их много, поэтому процесс растягивается на годы. Однако большое количество исходных данных — именно то, что нужно самообучающимся системам, в том числе искусственным нейросетям. При создании автопилотов для современных машин их разработчики «скармливают» когнитивным помощникам десятки и сотни тысяч эпизодов, описывающих реакцию водителей на те или иные критические ситуации на дорогах, терабайты информации для распознавания транспортных средств, пешеходов, дорожных знаков, светофоров и других объектов, попадающих в прицел радаров и камер.

Геологи «Газпром нефти» будут «кормить» свои нейросети информацией, полученной в ходе исследований в разных регионах, на разных месторождениях. Таким образом, российская нефтяная компания в партнерстве с IBM Research планирует создать самообучающуюся модель геологического объекта, которая будет математически обрабатывать исходную информацию, оценивать вероятность правильности ответов и выдавать рекомендации о необходимости проведения дополнительных исследований. Этот уникальный не только для России, но и в мировом масштабе проект получил название «Когнитивный геолог». Информация, стекающаяся в «озеро данных», будет систематизироваться, классифицироваться, каталогизироваться, причем в неизменном виде, чтобы не разрушались неявные сегодня взаимосвязи, которые впоследствии искусственный интеллект может найти и применить в своих вычислениях. В «Газпром нефти» рассчитывают, что реализация этого проекта позволит сократить время, необходимое на интерпретацию геологических данных, примерно в шесть раз.

А автоматизация инжиниринга — реальность уже сегодня. Профиль добычи, число скважин, кустов, производительность инфраструктуры обычно строятся за счет работы большого количества групп специалистов, но сложно оценить, выбрана ли в итоге наиболее эффективная схема разработки актива. Цифровое моделирование позволяет на порядок увеличить число анализируемых моделей, а срок прохождения этого этапа уменьшится с двух лет до шести месяцев. В «Газпром нефти» эти технологии применяются при реализации всех крупных проектов, и использование «Когнитивного инжиниринга» (именно так в компании называют проект) дает конкретные результаты.

Рентабельность разработки самого северного континентального месторождения России — Восточно-Мессояхского — стала отрицательной после того, как на практике не полностью подтвердилась геологическая модель. Оценка огромного количества вариантов корректировки концепции позволила выйти на новые решения: увеличение длины горизонтального участка скважин, повышение плотности сетки бурения, что добавило к NPV около 60 млрд рублей. Это дало возможность начать коммерческую разработку актива.

Потенциал для роста

По оценкам Accenture, общий эффект от цифровой трансформации для нефтегазовой отрасли может составить около $1 трлн. На Всемирном экономическом форуме прозвучала цифра $1,6 трлн к 2026 году. В любом случае такие прогнозы не выглядят необоснованными, ведь в мире только от простоев НПЗ нефтяники теряют ежегодно до $10 млрд. Российским компаниям с высокой налоговой нагрузкой, изымающей в текущих ценах 70% от стоимости добытого барреля, снижение затрат на 10% в сегменте добычи позволит сэкономить более 200 млрд рублей.

«Цифровые технологии, безусловно, уже оказывают существенное влияние на нефтяную отрасль. Но оно, скорее всего, не будет столь значительным, как в банковском или страховом бизнесе. Нефтяной бизнес — это прежде всего физические активы и технологии. И заменить их цифровыми нельзя. Но в нашей отрасли с помощью цифровых технологий можно значительно повысить эффективность всех, в том числе вполне традиционных, процессов, сделать экономически целесообразными те проекты, которые еще вчера было невозможно вывести на приемлемую рентабельность. И, конечно, цифровые технологии оказывают большое влияние на корпоративную культуру. Мы понимаем, что нам важно быть гибкими, научиться работать в условиях постоянных изменений».

В целом не исключено, что новая промышленная революция принесет в топливно-энергетическую отрасль и новые технологические прорывы. Дмитрий Маринченко напомнил, что «именно цифровизация во многом помогла реализовать сланцевую революцию в США: без использования специализированного программного обеспечения и оборудования бурить сложные горизонтальные скважины и перманентно повышать их эффективность было бы просто невозможно». То же исследование Accenture, проведенное в 2016 году, показало, что 36% опрошенных нефтегазовых компаний уже инвестируют в технологии big data и основанную на них аналитику. Еще 38% собираются делать это в ближайшие 3–5 лет. Согласно результатам исследования Teradata, вообще подавляющее большинство крупных компаний (80%) инвестируют в технологии искусственного интеллекта, а согласно прогнозам Gartner, к 2020 году они будут присутствовать практически во всех новых программных продуктах и сервисах. Что вполне понятно: ставки действительно высоки и есть, за что побороться.

Эксперты PwC предполагают, что внедрение технологий искусственного интеллекта к 2030 году даст прирост мирового ВВП на 14%, это примерно $15,7 трлн. Для сравнения: это больше, чем сегодняшний суммарный объем промышленного производства Китая и Индии.

digital-russia.rbc.ru

Запись Цифра меняет производство: мировая промышленность активно строит нейросети. впервые появилась Мир в Боге.