|
Сабине Кларнер, ООО "СКГео", Германия.
Влияние выбора тренировочных данных на результат прогноза нейронными сетями.
Антон Германович Колонин,
к.т.н., разработчик алгоритмов и программ для обработки и интерпретации данных в геофизике и финансах, распознавания образов и извлечения сущностей при работе с текстовой и мультимедийной информацией. Преподаватель Новосибирского Государственного Университета.
От больших данных к сильному ИИ в геологии и геофизике.? ?
В докладе обсуждается перспектива цифровизации в отрасли за 50 лет от цифровой обработки "больших данных" сейсмики и автоматизации комплексной геолого-геофизической интерпретации до современного уровня систем искусственного интеллекта с их текущими проблемами и трендами дальнейшего развития.
Дмитрий Анатольевич Коротеев, к.ф.-м.н., доцент Сколковского института науки и технологий, генеральный директор OOO "Digital Petroleum".
Искусственный интеллект в разведке и разработке нефтегазовых месторождений: помощник или обуза?
Программное обеспечение на основе искусственного интеллекта постепенно переходит из стадии «интересные алгоритмы» в стадию «промышленное программное обеспечение для ежедневного и использования». Процесс внедрения таких систем в ежедневную практику инженеров и руководителей происходит по-разному в зависимости от многих факторов. В докладе на конкретных примерах будет показано как программные решения помогают в работе или заставляют менять рутинные операции. Докладчик также расскажет, как отклик пользователей позволяет совершенствовать алгоритмы и делать удобным их использование.
Василий Демьянов, Профессор Университета Хериот-Ватт, Эдинбург
Извлечение паттернов через обучение на данных и знаниях для улучшения схем моделирования добычи углеводородов.
Метода искусственного интеллекта и аналитики данных широко используются на всех этапах моделирования процессов разведки и добычи углеводородов. В докладе будет продемонстрировано, как обучаемые модели помогают решать широкий круг задач в работах геолога и инженера:
- сейсмическая интерпретация,
- распознавание седиментологических признаков,
- описание геологической неоднородности,
- моделирование миграции углеводородов.
- обновление модели и прогнозирование остаточных запасов.
Алексей Александрович Шпильман, Руководитель программ развития технологий и инструментов ИИ, Центр разработки и монетизации данных, Дирекция по цифровой трансформации, ПАО «Газпром нефть».
Перспективные исследования для масштабных целей нефтегазовой промышленности.
Применения ИИ в нефтегазовых компаниях носят в настоящее время локальных характер, не решают комплексных проблем и не отвечают масштабным вызовам. В этом докладе будет рассказано о проектах по разработке нового типа решений на основе ИИ, ведущихся в компании Газпром нефть, которые могут качественно улучшить деятельность компании в целом.
Владимир Иванович Булаев, к.т.н., главный специалист по машинному обучению АО НПФ «Геофизика», руководитель направления искусственного интеллекта в группе компаний АО «Башнефтегеофизика».
Жизненный цикл системы машинного обучения в продакшене.
В докладе представлен общий взгляд на особенности, связанные с выводом модели машинного обучения в продакшен, кратко описаны этапы жизненного цикла ML-системы и распространенные средства для их реализации. Показано, что на сегодняшний день инфраструктурные затраты на встраивание ML-решений в производственный контур могут примерно на порядок превышать расходы на создание и обучение модели.
|
