После вялого старта нефтегазовая отрасль, похоже, стремится принять на вооружение все виды цифровых технологий, поскольку они помогают компаниям снизить расходы и повысить эффективность. Искусственный интеллект (ИИ) преподносится как решение всех проблем или по крайней мере, лучший, чем удавалось найти раньше, ответ на многие вопросы. Всё это стремительно развивается.
Прежде всего, нужно сказать, что многие люди, которые с энтузиазмом говорят об ИИ, не подразумевают автономную систему, способную принимать решения самостоятельно. Чаще всего имеются в виду алгоритмы для составления прогнозов и аналитики, а также машинное обучение – процесс, который позволяет выполнить огромное количество задач в отраслях, связанных с добычей сырья и его переработкой в полуфабрикаты.
Ажиотаж поднялся значительный, но некоторые основания для этого всё же есть. Как отметил соучредитель и руководитель связанного с нефтяными технологиями стартапа OilX Флориан Талер, «среди общей шумихи происходит действительно эпохальный сдвиг: нынешний экспоненциальный рост данных, получаемых от аппаратуры наблюдения и замерных установок, является беспрецедентным и не показывает никаких признаков замедления».
Но эти данные должны быть достоверными, объяснил Талер. Если качество и надёжность собранных данных достаточно высоки, их можно использовать для создания целой платформы, основанной на машинном обучении, которая эффективно работает в качестве цифрового аналитика. И это только одно из применений машинного обучения, которое часто неточно называют искусственным интеллектом.
Некоторые считают, что следующий год ознаменуется переходом работы с ИИ от теории к практике. Одним из таких оптимистичных экспертов является руководитель разработчика программного обеспечения Atomiton Ян Рен.
«Переход ИИ от теории к практике окажет огромное влияние на компании. До некоторых пор эта проблема, в основном, рассматривалась на теоретическом уровне, и люди не понимали, чего и каким образом можно достичь с помощью ИИ. Я думаю, что теперь люди осознают его потенциал, потому реализуется всё больше проектов», – уверен Рен.
По его мнению, ИИ начнёт переходить от вопроса «как?» (технической составляющей), к вопросу «что сделано?», то есть ИИ будет восприниматься в свете проблем, решённых с его помощью, а не того, какие данные он собирает.
Это довольно общий подход, но здесь есть и нечто более конкретное: машинное обучение может применяться в разных областях промышленности. Например, на месторождении оно может показать компаниям, добывающим нефть и газ, как со временем изменится производительность скважины.
Как пояснил старший аналитик Rystad Energy Александр Рамос-Пеон, имеются большие массивы данных, полученных в результате наблюдений. Предполагается, что если скважина функционировала достаточно долго, показатели её работы будут такими же, как и у других скважин в прошлом. Нейронная сеть – это способ, который позволяет некоторым образом оценить это. Правда, добавил Рамос-Пеон, эта методика, по-видимому, работает только для скважин с прогнозом достаточно длительной добычи.
Разумеется, смысл в этом есть: чем больше имеется данных наблюдений, тем более точные прогнозы будущей производительности скважины можно сделать, особенно с помощью соответствующих алгоритмов.
По словам Рамос-Пеона, на сегодняшний день эти алгоритмы настолько сложны, что «нужно просто сбросить все данные в компьютер, и каким-то образом он научится предугадывать наилучшее значение с как можно более высокой точностью».
По оценкам, к 2022 году рынок искусственного интеллекта в нефтегазовой отрасли достигнет 2,85 миллиарда долларов, увеличившись за год на 12,66 процента. Это неудивительно, учитывая, как быстро развивается технология и для решения скольких задач она может использоваться в данном секторе.
Как полагает Рен, в следующем году по мере внедрения будет расширяться понимание концепции искусственного интеллекта и расти доверие к ней. Конечно, подобное развитие отнюдь не исключает риск: кибербезопасность – такая же проблема в нефтегазовой отрасли, как и в любой другой.