Суммарный потенциальный эффект от внедрения генеративного искусственного интеллекта в нефтегазовой отрасли может составить 343 млрд рублей ежегодно, согласно исследованию компании «Выгон Консалтинг»*. Сегодня большие языковые модели умеют классифицировать информацию, строить простые логические выводы. Завтра с их помощью можно будет решать сложные многоуровневые инженерные задачи по проектированию процессов, оборудования и инфраструктуры, а также созданию новых продуктов и технологий. Клуб ЭБС ознакомился с исследованием и рассказывает, как российские нефтегазовые компании могут использовать передовые AI-разработки и повышать свою эффективность.
Перспективы и направления использования GenAI в нефтегазовой отрасли
Генеративный ИИ — это нейросеть с глубоким машинным обучением на неструктурированной информации. В отличие от классического искусственного интеллекта, GenAI обучается на гораздо большем объеме мультимодальных данных и генерирует новый контент по запросам пользователя.
Российские нефтегазовые компании уже начали использовать ИИ с глубоким обучением.
Например, научно-технический центр Газпром нефти реализуют несколько ключевых для всей отечественной нефтегазовой индустрии проектов. В частности «Когнитивный геолог» — самообучающаяся модель геологического объекта, которая содержит информацию о строении недр, рентабельности будущего проекта, рекомендуемых методах разработки и другую информацию. Новая технология сокращает сроки геологоразведочных работ с 3 лет до 6-12 месяцев.
Использование решений на базе ИИ внесло решающий вклад в общий экономический эффект от цифровой трансформации СИБУРа, который за 6 лет составил более 45 млрд рублей. В 2023 году компания разработала более 70 новых гипотез применения искусственного интеллекта. Помимо задач по повышению производительности труда, ИИ начнут применять в моделировании полимеров для создания материалов с новыми свойствами и снижения при этом количества лабораторных экспериментов в пользу цифровых.
Несмотря на кратный рост числа разработок на базе ИИ, сегодня в отечественном нефтегазе отсутствуют промышленные решения на базе генеративных моделей искусственного интеллекта. Эти технологии пока только «пилотируются» ограниченным кругом российских ВИНКов.
Между тем GenAI способен решать множество прикладных отраслевых задач:
- поиск и обобщение информации в сфере НИОКР по различным технологиям добычи и переработки нефти, газа.
- распознавание, обобщение текстовых документов, построение на их базе ключевых выводов. Поиск нужных данных в базе знаний, бенчмаркинг, поиск аналогов, распознавание графиков, диаграмм, таблиц, формул, генерация шаблонных отчетов.
- автоматизация функциональных процессов, связанных с инженерией и научно-технической экспертизой. В целом потенциал автоматизации работы профессиональных групп, связанных с инженерией, при использовании нейросетей вырастет почти в два раза — до 57%.
- автоматизация типовых операций в производстве.
- инжиниринг новых продуктов и подбор технологий.
- оценка состояния производственного объекта или процесса.
- генерация рекомендаций по предотвращению поломок оборудования, а также прикладная экспертиза для проведения ремонтов.
В частности генеративный искусственный интеллект может значительно ускорить поиск технологий для закрытия потребностей бизнеса. В мире ежегодно публикуется более 25 ТБ информации (речь идет об исходных данных только в статьях и патентах) в сфере НИОКР по технологиям нефтегазовой отрасли. Это базы данных по новым патентам, материалы аналитических агентств, правительственных организаций, научных и отраслевых изданий, деловых СМИ и т. д.
Чтобы быть в курсе событий, эксперты должны тратить от 80% рабочего времени на изучение обновляемой отраслевой информации. На поиск лишь одной технологии может уйти несколько месяцев полной занятости специалиста, поскольку этот процесс выполняется вручную.
Использование нового цифрового инструмента для выполнения исследовательских задач обеспечит не только повышение скорости, но и улучшит качество решения. Так, генеративный ИИ может на 12,2% увеличить число выполненных разноплановых кейсов и на 40% улучшить качество результатов.
Кроме того, благодаря внедрению GenAI нефтегазовые компании смогут создавать новые технологии и продукты с помощью подхода обратного проектирования (inverse design). Мультиагентные Gen AI способны решать сложные инженерные задачи, что повысит как скорость, так и качество проектирования. В целом генеративное проектирование способно сократить вес готовых изделий, использование материалов и, как следствие, сэкономить денежные ресурсы.
В целом суммарный отраслевой эффект от использования генеративного ИИ может составить 343 млрд рублей ежегодно. Причем он положительно отразится как на производительности труда, так и эффективности производства по следующим причинам:
- ускорение производства интеллектуального продукта.
- снижение затрат на добычу нефти, газа, их переработку, рост коэффициента успеха, КИН и т. д.
При этом наибольшее влияние (69% от суммы экономического эффекта в 343 млрд рублей) нейросети окажут на upstream — разработку и бурение, обустройство и капстроительство, мониторинг и управление добычей.
Почему зарубежные языковые модели не подходят для решения задач российских компаний?
По мнению экспертов, лучшие зарубежные большие языковые модели (БЯМ) сегодня не отвечают на конкретные отраслевые вопросы.
Для тестирования различных БЯМ на предмет знания нефтегазовой отрасли был задан запрос по анализу применяемых технологий бурения скважин в неустойчивых аргиллитах. Для этого были выбраны State-of-the-Art модели: Gemini 1, Claude 3 Opus, GPT-4.
Результат тестирования показал, что большие языковые модели State-of-the-art не способны решить поставленную задачу во многом из-за отсутствия в их корпусе данных с отраслевой и страновой спецификой. Так, большая часть названий компаний, якобы использующих технологии бурения в аргиллитах, предоставленных Gemini, оказались несуществующими. Конкретика по компонентам составов отсутствует. Claude 3 не указал названия продуктов, представленные моделью компании не выпускают указанную им продукцию. GPT-4 честно ответил, что у него нет данных, поэтому он представил только вымышленные названия компаний.
В целом оказалось, что в случае запроса данных по теме нефтегазовой отрасли, зарубежные GenAI дают верные ответы только на общие, неконкретные вопросы, требующие минимальных умственных усилий, и уступают человеку по глубине суждений. Для получения более корректного ответа необходимо использовать специальные техники формулирования запросов (prompt engineering), которым пользователю нужно обучаться отдельно.
Также иностранные БЯМ соблюдают введенные санкции и ограничивают доступ к любой информации, которая может быть использована для отраслевого развития, импортозамещения. Кроме того, использование зарубежных больших языковых моделей потенциально может создать угрозу IT-безопасности (внешние атаки на информационную инфраструктуру, промышленный шпионаж и т. д.).
Создание отраслевого GenAI может обойтись в 100 млрд рублей
По мнению экспертов, генеративный искусственный интеллект может стать прикладным инструментом для обеспечения технологического суверенитета отечественной нефтегазовой отрасли.
Можно выделить несколько барьеров для разработки отраслевой версии ChatGPT:
- cанкционные ограничения для поставок в Россию профессиональных графических карт, специально разработанных для вычислительных задач в области искусственного интеллекта. По расчетам специалистов для создания мега-модели размером свыше 1 трлн параметров нужно более 25 тысяч подобных карт.
- высокая стоимость создания «с нуля» языковых моделей. Она может составлять порядка 500 млн долларов (50 млрд рублей). Такие расходы могут позволить себе только западные БигТехи либо консорциум из нескольких компаний.
На сегодняшний день текущих суммарных инвестиций в GenAI в России достаточно для создания лишь одной мега-модели. А в будущем потребуется их увеличение, поэтому расходы на создание и развитие генеративного ИИ могут достигнуть 100 млрд рублей.
Очевидно, что для создания отраслевой базы языковых моделей усилий одной нефтегазовой либо нескольких IT-компаний будет недостаточно. Необходимо объединить компетенции отрасли и IT-разработчиков на единой платформе. При этом ее развитие должно происходить поэтапно, с постепенным увеличением сложности решаемых задач.
РЕЗЮМЕ
Разработка отраслевой платформы на базе генеративного ИИ для отечественных нефтегазовых компаний — это инвестиции в будущее развитие нефтедобычи и газа. Для того, чтобы проект стал успешным нужно несколько составляющих: компетенции в отрасли и машинном обучении, аппаратные мощности, инвестиции и усилия всех участников отрасли. Консолидация компаний уменьшить затраты на разработку отраслевых прикладных моделей.
* — при подготовке статьи использованы данные из аналитического обзора «Выгон Консалтинга» «Возможности использования генеративного ИИ для обеспечения технологического суверенитета российского ТЭКа».
Битва за молодые таланты: как компании адаптируются под ценности нового поколения
Карьерный тайм-аут, стипендиальные программы, цифровые платформы для фрилансеров. Рассказываем, как еще сегодня компании привлекают молодежь на работу.
Фабрика процессов «Норникеля»: инновационный подход к развитию компетенций
Владислав Армизонов, «Норникель» — о том, как погружение в виртуальную модель бизнеса помогает сотрудникам лучше понимать процессы и оптимизировать их.
