Искусственный интеллект в нефтегазовой отрасли: секрет успеха – в кооперации?
Внедрение генеративного ИИ в процессы поиска, добычи и переработки нефти и газа способно в год дать компаниям экономию в 343 млрд рублей, подсчитали эксперты аналитического агентства «Выгон Консалтинг». Однако для того, чтобы ИИ позволял экономить, его предстоит обучить. А это, согласно подсчётам того же агентства, будет требовать уже в ближайшем будущем около 100 млрд рублей ежегодно.
На что способен искусственный интеллект и какие задачи в нефтегазе ему можно поручить? Какие проблемы сейчас мешают применению ИИ в отрасли? Как могут объединиться компании и способно ли участие дружественных стран помочь создать эффективные модели ИИ для решения задач нефтегазовой отрасли?
На что способен ИИ в нефтегазе?
«С появлением GPT модной темой стал генеративный ИИ. Инструмент находит применение в том числе в нефтегазовом бизнесе. Генеративный ИИ способен обрабатывать большие объёмы информации и генерировать новый контент. Его можно применять, например, для анализа различных геологических расчётов, оценки перспектив нефтегазоносности, выявления пропущенных залежей, оптимизации систем разработки, генерации каких-то рекомендаций», – рассказывал о возможностях искусственного интеллекта на Национальном нефтегазовом форуме управляющий директор «Выгон Консалтинг» Григорий Выгон.
Исследование аналитиков компании более подробно раскрывает возможности ИИ. Так, к числу более простых задач, которые можно поручить нейросетям, относится распознавание текстов, поиск информации в базах данных, обобщение материала из различных источников, построение шаблонных отчётов.
Однако нефтяники и газовики ждут от нейросетей в первую очередь решения профессиональных задач для увеличения эффективности производственных процессов. Например, анализа успешности бурения, проведения ГРП и капитального ремонта скважин и выдачи рекомендаций.
Задача максимум – помощь ИИ в анализе всех процессов и генерация новых решений. Пример, который приводит «Выгон Консалтинг», – получение детальных рекомендаций по разработке месторождения для увеличения его рентабельности. Они могут, к примеру, включать в себя места размещения скважин, оптимизацию бурения, оценку эффективности каждой скважины, советы по строительству инфраструктуры с минимизацией затрат и увеличением эффективности её использования. Такие задачи умеют решать мультиагентные системы, которые объединяют все нейросети, которые могут использоваться в компании.
Когда ИИ для нефтяников сможет решать сложные задачи?
«Сегодня модели впечатляют обывателя, но для решения серьёзных интеллектуальных задач они не вполне пригодны. Такое понятие, как reasoning (мышление), находится на крайне низком уровне. Несмотря на успешное прохождение различных тестов, прикладные задачи на самом деле решаются плохо», – считает Григорий Выгон.
Препятствий тут несколько, и первое из них – «железо». Для того чтобы можно было обучать искусственный интеллект, необходим материальный носитель, с помощью которого можно осуществлять расчёты – графические платы (GPU).
«Чтобы сделать более или менее качественную модель на сотни миллиардов или триллионы параметров, нужно иметь несколько десятков тысяч графических плат типа Н-100. Сегодня всего по России, по некоторым оценкам, менее 10 тысяч. Стоимость создания и обучения с нуля таких моделей – от 500 млн долларов. Это серьёзный вызов», – отмечает управляющий директор аналитического агентства.
Вторая проблема – дата-сеты. Набор данных для обучения ИИ должен включать в себя сотни терабайт информации. И если для общих целей можно использовать любую информацию, то здесь нужна специализированная.
«В мире ежегодно публикуется несколько десятков терабайт данных, касающихся нефтегазовой отрасли. Публичная информация – это профильные инженерные издания, патенты, научные обзоры. Даже её достаточно, чтобы понимать отраслевой язык. Но для решения конкретных прикладных задач, которые нужны отраслевым компаниям, нужно выходить на следующий уровень – это приватные данные самих компаний: коммерческие данные по сейсмике, испытаниям скважин, параметрам разработки, режимам работы. И здесь без кооперации компаний данных может не хватить», – считает г-н Выгон.
Несмотря на все сложности, прогноз по созданию собственных интеллектуальных моделей вполне оптимистичный: преодолеть трудности вполне реально лет за пять, считает Григорий Выгон.
«Если компании смогут объединиться и вложить усилия, ресурсы и компетенции в создание таких отраслевых моделей, то можно будет решать очень серьёзные задачи, в том числе по созданию новых технологий, достижению технологического суверенитета, импортозамещению и т. д. Думаю, что при существующих темпах развития технологий мы в течение ближайших 5 лет вполне к этому можем прийти», – выразил мнение руководитель аналитического агентства.
Что делают нефтегазовые компании для развития нейросетей
О работе в сфере искусственного интеллекта на Национальном нефтегазовом форуме рассказали представители «Газпром нефти» и «Транснефти». Ситуация в обеих организациях примерно одинаковая: в нейросетях видят большой потенциал, есть «пилотные» проекты по внедрению, но создать систему, которая облегчала бы работу компании, пока никому из них не удалось.
«Мы пользуемся генеративным искусственным интеллектом. Понятно, что масштаб использования пока не такой большой, это больше «пилоты». Но мы размышляем о приобретении соответствующего технического обеспечения», – рассказал вице-президент ПАО «Транснефть» Андрей Бадалов.
«У нас нет задачи создать базовые модели, они как раз рынком представлены и будут дальше развиваться. Но нам хотелось бы иметь инженерный ИИ, то есть генеративную модель, которая умеет не стихи писать и картинки рисовать, а спроектировать, например, обустройство месторождения. И эта задача, которую нам придётся совместно в отрасли решать. У нас есть кейс по составлению рецептуры нефтепродуктов, пока «играемся». Наша конечная цель – цифровой двойник компании», – поделился планами директор дирекции по цифровой трансформации ПАО «Газпром нефть» Олег Третьяк.
Можно ли ускорить процесс создания моделей в кооперации с другими странами?
Тему развития искусственного интеллекта в кооперации с другими странами обсуждали и в Российском университете дружбы народов в рамках международной научно-практической конференции «Актуальные проблемы глобальной экономики».
Как пояснил эксперт экономического факультета РУДН Ярослав Дубенков, дружественные страны, в первую очередь входящие в объединение БРИКС, проявляют интерес к использованию ИИ в нефтегазовой сфере, и у каждой страны сложилась та или иная специализация.
«Россия фокусируется на разработке и внедрении ИИ для мониторинга состояния оборудования и предсказания потенциальных неисправностей, что позволяет сократить время простоев и предотвратить аварии.
Китай активно внедряет ИИ во все аспекты нефтегазовой промышленности, включая автоматизацию буровых и добывающих процессов. Применение ИИ для анализа больших данных позволяет компаниям более точно прогнозировать потребности в ресурсах и управлять инвестициями. Китай сосредоточил возможности ИИ главным образом для разработки новых методов анализа данных для определения потенциально успешных месторождений.
Индия делает ставку на интеграцию ИИ в системы управления данными и логистики, обеспечивая более эффективное управление цепочками поставок и распределение ресурсов.
Бразилия активно использует ИИ для улучшения операционной эффективности в нефтегазовой отрасли. Применение алгоритмов машинного обучения помогает в анализе геологических данных и оптимизации добычи, что приводит к сокращению операционных затрат и улучшает качество принятия решений, которое ведет к повышению производительности.
Южная Африка, хотя и не так активно использует ИИ в традиционной нефтегазовой промышленности, вкладывает средства в исследования ИИ для развития чистых и эффективных энергетических технологий, что также может найти применение в нефтегазовом секторе», – рассказал Ярослав Дубенков.
Впрочем, иностранные технологии ещё придётся адаптировать под российские условия.
«Различия в законодательстве могут создавать препятствия для внедрения иностранных ИИ-технологий. В России действуют специфические требования к цифровой безопасности и защите данных, которые нужно учитывать при внедрении технологий из других стран», – отмечает Ярослав Дубенков.
В числе препятствий для внедрения эксперт также отмечает необходимость адаптировать нейросети под российские условия в части стандартов, норм промышленной безопасности, экологических требований. Это тоже потребует вложений. В целом же главное препятствие для сотрудничества – необходимость больших инвестиций.
Перспективы международного сотрудничества по развитию ИИ связаны в первую очередь с Китаем и Индией, считает кандидат экономических наук, доцент экономического факультета РУДН Александр Арский.
«Интерес представляет кооперация отечественных компаний в области интегрированных решений с ИИ с китайскими и индийскими коллегами. Так, возможен трансфер технологий при разработке промышленного оборудования для добычи, которое может заинтересовать и другие страны», – считает доцент университета дружбы народов.
Шансы, что работа в этом направлении начнётся, есть: на прошлогоднем саммите стран БРИКС председатель КНР Си Цзиньпин призвал страны сотрудничать в сфере развития нейросетей.
