Искусственный интеллект тоже «строит карьеру»: сначала ему доверяли рутинные задачи, но сегодня его функционал и обязанности только растут. Перспективы амбициозного «специалиста» на IV конференции ИТ-разработчиков byteoilgas_conf оценила Екатерина Пославская, начальник центра цифровой трансформации и энергетики ООО «НИИгазэкономика».
Еще недавно искусственный интеллект в промышленности выступал в роли помощника: искал и анализировал документы, готовил презентации, проверял и писал программный код. Человек ставил задачу, а нейросеть брала на себя часть работы.
Сегодня ИИ активно применяют в инженерных процессах. Здесь недостаточно выдать убедительный ответ или найти закономерность в данных: приходится учитывать законы физики, свойства материалов, технологические требования и нормативные ограничения.
Представьте, что вам нужно обучить нейросеть проектировать трубопроводы. Она должна не просто сгенерировать идеальную конструкцию, а понять, можно ли реализовать проект с учетом рельефа, климата и параметров оборудования.
Именно поэтому у компаний и разработчиков растет запрос на системы нового типа — инженерный искусственный интеллект. Нефтегазовая отрасль одной из первых в России начала переходить от экспериментов с такими решениями к их повседневному применению.
Как и человеческое мышление, искусственный интеллект бывает разным. Одни модели лучше работают с текстами, другие — с расчетами и физическими процессами. Поэтому инженерный ИИ — это не одна технология, а целый набор подходов под разные задачи.
Особенно быстро развивается генеративный искусственный интеллект. Его можно сравнить с творческим мышлением: такие модели способны создавать новое, а не только анализировать готовое. Самый знакомый пример — большие языковые модели, или LLM. На byteoilgas_conf «Газпром нефть» представила отраслевую ИИ-модель, которую обучали на профильных данных и нормативах. Появление таких специализированных решений выводит интерес к LLM в промышленности на новый уровень.
Другой заметный тренд — мультиагентные системы. Проще говоря, это несколько ИИ-инструментов, которые работают как одна команда. Один агент ищет данные, другой проводит расчет, третий проверяет результат или передает его дальше. Так разные цифровые сервисы можно связать в одну рабочую цепочку.
Какими бы разными ни были модели, всем им нужны хорошие данные для обучения. Сейчас компании в основном собирают такие «учебники для ИИ» по отдельности. Ускорить развитие технологий могли бы единые базы данных для отрасли — при условии, что чувствительная информация останется защищенной.
Люди по своей природе довольно консервативны. Новые технологии, в том числе нейросети, нередко вызывают настороженность и даже тревогу. Определенная доля скепсиса здесь скорее полезна: она заставляет внимательнее оценивать результат и не доверять ИИ «по умолчанию».
Чем больше задач получает искусственный интеллект, тем важнее роль специалиста. Нейросеть может снять часть рутины и ускорить работу. Инженер при этом по-прежнему формулирует задачу, понимает существующие ограничения и решает, можно ли применять полученный результат на практике.
Одновременно растет культура работы с ИИ. Его все реже воспринимают как угрозу или «волшебную палочку», которая сама решит любую проблему, и все чаще — как обычный рабочий инструмент.
Хочется подробнее? Разобраться в деталях поможет ИИ-ПОИСК.
