Видеть насквозь и предсказывать будущее: чему еще научился искусственный интеллект в энергетике
Предложите нейросети нарисовать танцующего кота — и она справится за секунды. Попросите ее же создать трехмерную модель бура — и результат наверняка получится неверным, ведь общих знаний для этого мало. Как превратить универсального ИИ-помощника в специалиста энергетической отрасли, корреспондент «Энергии+» выяснил на ИТ-конференции byteoilgas_conf 2026.
На одном языке
Если читать по одной книге в неделю на протяжении 60 лет, можно осилить около трех тысяч книг, но даже такой читательский марафон не приблизит нас к объему текстов, которые нужны для обучения современных больших языковых моделей. Например, в «Газпром нефти» при создании отраслевого искусственного интеллекта собрали более 50 тысяч материалов: книги, энциклопедии, словари и технические регламенты. Для системы сформировали библиотеку знаний по 63 направлениям — от геологии и бурения до переработки и строительства.
По словам руководителя программы разработки искусственного интеллекта «Газпром нефти» Виктора Котежекова, нейросеть отдельно учили профессиональному языку нефтяников — вплоть до отраслевого сленга.
Обычные генеративные модели часто ошибаются, потому что опираются на общие знания о мире. Наша система понимает инженерный язык, выполняет расчеты, анализирует проектную документацию и работает с данными в разных форматах. Она подходит для геологии, разработки месторождений, добычи, переработки и других сфер деятельности компании.
Виктор Котежеков
Руководитель программы разработки искусственного интеллекта «Газпром нефти»
Получилась модель, которую можно настраивать под разные задачи. Геологу она поможет оценить перспективы месторождения, инженеру — проверить задание на строительство объекта, а специалисту по добыче — подобрать более эффективный режим работы оборудования скважины.
Видеть сквозь металл
У промышленного ИИ появляются собственные «органы чувств». С помощью компьютерного зрения нейросети оценивают тысячи снимков одновременно и замечают то, что человеку трудно увидеть самому.
Одну из таких систем в «Газпром нефти» научили буквально видеть сквозь металл. На нефтеперерабатывающих заводах трубы образуют многоэтажные стальные лабиринты: поднимаются над землей, огибают промышленные установки и переплетаются между собой. Время от времени места их соединений исследуют с помощью рентгенографии, чтобы оценить состояние материала изнутри.
Вместе с человеком в эти изображения «всматривается» нейросеть. Ее обучили на 70 тысячах примеров, и теперь система сама отмечает участки, которые стоит проверить внимательнее. За рабочий день специалист отсматривает сотни снимков, а ИИ справляется с таким объемом примерно за 15 минут.
«Цифровая рентгенография сканирует объект с разных ракурсов и в разных проекциях. Это дает более полную картину его состояния и одновременно увеличивает объем данных, которые нужно анализировать. Чтобы у специалиста не замыливался глаз и он ничего не пропустил, к работе подключают искусственный интеллект», — рассказал руководитель проекта Никита Труханов.
Заглянуть вперед
Одна из перспективных «суперспособностей» ИИ — предсказывать будущее. Точнее, рассчитывать, что с наибольшей вероятностью произойдет дальше. Такой подход специалисты называют предиктивной аналитикой.
Новосибирский научно-технический центр представил на конференции ИИ-помощника геолога. В будущем такая нейросеть сможет оценивать перспективы бурения по геологии участка, данным сейсморазведки и показателям соседних скважин. Другую задачу решают ученые НИУ ВШЭ: их система должна по рабочим данным оценивать состояние сложного электрооборудования и предупреждать о возможных отказах.
Будущее не только предсказывают, но и моделируют с помощью цифровых двойников — виртуальных копий реальных объектов и процессов. ИИ анализирует такую модель и просчитывает разные варианты развития событий. Как отметил на byteoilgas_conf 2026 глава Минцифры Максут Шадаев, виртуальные модели стали новым стандартом отрасли.
Цифровой двойник стал нашим новым стандартом. Очень важно, что нефтегаз выходит за пределы своей отрасли и делится технологическими наработками со смежными секторами.
Максут Шадаев
Министр цифрового развития, связи и массовых коммуникаций России
Пример технологического лидерства — «Газпром нефть», где цифровыми двойниками охвачено около 80% бизнес-процессов и производственных объектов. Об опыте цифровой трансформации участникам конференции рассказал глава компании Александр Дюков.
Следующий этап — автоматизация и создание мультиагентных систем. Это позволит в том числе интегрировать цифровые двойники отдельных объектов и процессов между собой, чтобы мы находили лучшие решения для всей цепочки создания стоимости.
Александр Дюков
Председатель правления «Газпром нефти»
В перспективе отдельные двойники планируют объединить в цифровую модель всей нефтегазовой отрасли. В Энергостратегии-2050 этот проект получил название «КиберТЭК». Ранее его создание также поддержал министр энергетики России Сергей Цивилев.
Хочется подробнее? Разобраться в деталях поможет ИИ-ПОИСК.
