Машина должна обладать интуицией
В фантастических фильмах искусственный интеллект часто изображают в виде тонко чувствующего робота, который страдает оттого, что он не человек, или, наоборот, агрессивной машины, мечтающей расправиться со своим незадачливым биологическим соседом по планете.
Что же сегодня представляет собой искусственный интеллект? Каким образом он может применяться, например, в геофизике? Правда ли, что сегодня в этой области научных и прикладных исследований он совершенно незаменим и почему? Об этом рассказывает Никита Дубиня, ведущий научный сотрудник Института физики Земли РАН, заместитель заведующего кафедрой прикладной геофизики МФТИ, кандидат физико-математических наук.
Извлечь и сдавить
Наша лаборатория занимается различными вопросами, связанными с освоением и разработкой месторождений полезных ископаемых, в первую очередь углеводородов, начиная от разведки и заканчивая вопросами бурения — в том числе вопросами выбора стратегии бурения.
Вообще в геофизике методы искусственного интеллекта начали применять в конце XX века. Именно тогда методы машинного обучения и искусственный интеллект развились в достаточной степени, для того чтобы решать актуальные задачи геофизики.
На первых этапах решались довольно простые задачи поиска связей между разными данными, необходимыми при освоении и разработке месторождений. Так, например, одна из первых задач заключалась в том, чтобы искать скрытые связи между результатами лабораторных исследований на образцах, отобранных с месторождений, и данными скважинных исследований.
Одна из ключевых проблем геофизики — невозможность детально исследовать целые массивы горных пород. Как правило, мы можем говорить о распределении общих свойств в массиве, однако возможность определять отдельные свойства породы существует только в лабораторных условиях. Пример — важные для задач бурения упругие и прочностные свойства горных пород. У нас есть возможность провести сейсморазведку и определить упругие свойства пород, однако прочностные свойства — с какими силами нужно сжать породу, чтобы она сломалась — сложно определить для всего массива. Лучшее, что можно сделать,— извлечь из массива образец, поставить его под пресс, сдавить и определить прочность. Как же эту прочность распределить на целый объем?
Искусственный интеллект ищет разломы
Здесь как раз может помочь искусственный интеллект: если мы для одной и той же точки в пространстве, из которой извлекли образец, знаем и упругие, и прочностные свойства, то можем установить связь между этими свойствами. Если таких точек много, мы можем попробовать установить и глобальные тренды.
Первые работы ИИ в области нефтегазовой геофизики как раз и были связаны с поисками таких трендов: результаты лабораторных и полевых исследований использовались для обучения и настройки нейронных сетей, находящих общие тенденции там, где человеческий глаз может быть неспособен их обнаружить.
Следующая группа работ была нацелена именно на анализ сейсмических данных — в частности, чтобы в автоматическом режиме искать на сейсмических картинах отдельные геологические объекты, например, крупные разломы.
Опытный интерпретатор может найти на сейсмической картине отдельный объект. Кроме того, он может проследить положение этого объекта на соседних сейсмических картинах, а также найти область его влияния. Исследователи занимались тем, чтобы научить ИИ тому же самому: нужно было не только найти какой-то объект на сейсмической картине, но и посмотреть его отражение на соседних срезах.
Когда данных слишком мало
Также в 2000–2010-х годах методы искусственного интеллекта использовались для районирования — для определения того, какие участки массива горных пород принадлежат к тому или иному типу. Как и в предыдущем случае, опыт экспертов-интерпретаторов использовался для обучения.
Важное направление — синтез новых данных: в геофизике данных бывает не только слишком много, когда на их анализ уходит длительное время, но и слишком мало — когда существующих данных не хватает для качественной интерпретации. Так вот, для этого случая методы искусственного интеллекта могут быть использованы, чтобы синтезировать данные похожие, но не повторяющие их в точности.
Расширяя массив данных подобным образом, мы можем применять специальные методы, уже развитые раньше. Есть интересные примеры такого применения искусственного интеллекта: часто, даже извлекая образцы горных пород, мы не знаем, какова их внутренняя структура, мы можем только посмотреть на то, как выглядят срезы этой породы.
Ставится задача: можем ли мы представить себе, как могла бы выглядеть объемная модель пустот и трещин в породе, основываясь только на срезе этой породы. Здесь искусственный интеллект позволяет быстро построить разные модели, которые бы по своим характеристикам согласовывались, с одной стороны, с результатами исследований на срезах, а с другой — соответствовали бы общим представлениям о том, как такие породы должны быть сложены.
Увидеть камни и водоросли на дне морском
В нефтегазовом деле в последние годы все больше задач переходит в полуавтоматический режим. Причем это могут быть не только задачи интерпретации данных, но и выработка рекомендаций по принятию решений. Существуют, например, работы, посвященные тому, чтобы в автоматическом режиме отслеживать нарушения работы отдельных элементов всей инфраструктуры на месторождении и давать рекомендации, как оперативно реагировать на эти нарушения, чтобы избежать аварий.
В свое время была разработана система, подсказывающая, как следует изменять режим работы скважин на основании замеров: где стоит увеличить давление, где уменьшить, чтобы поддерживать высокие темпы извлечения полезных ископаемых и запланированный коэффициент извлечения нефти.
Существуют и другие, в меньшей степени связанные непосредственно с разработкой месторождений области применения искусственного интеллекта. Так, автоматический анализ данных с камер успешно применяется при подводных исследованиях. Там достигаются удивительные результаты: если установить на подводный аппарат камеру, в автоматическом режиме выделяются не только отдельные статичные объекты — камни, лежащие на дне, водоросли,— но и, например, косяки рыб, проплывающих мимо аппарата. В задачах прикладной геофизики эти методы используются, например, для анализа состояния подводных и подземных частей объектов инфраструктуры.
Сложно и опасно
Надо сказать, бурение скважин — это процесс небезопасный. Всем известна авария в Мексиканском заливе, но есть и множество других, не столь крупных аварий, тем не менее наносящих ущерб. Как известно, природа не терпит пустоты, и если мы проделали в породе дырку, она будет стремиться эту пустоту компенсировать. В результате может произойти что угодно — от выбросов газа до схлопывания скважины при бурении. В первую очередь речь тут идет об экологических рисках — разнообразные выбросы могут приводить к изменениям экосистемы.