Искусственный интеллект в геологии уже помогает получать ранее недоступные массивы высокодетальных и точных данных о подземном строении земли.
«Следующей ступенькой может стать создание мультиплатформенных web-приложений для организации доступа к геологическим данным по единому универсальному протоколу», — говорят участники конференции «Недропользование-IT» на платформе «Геовебинары».
Начиная с июля 2020 года на платформе «Геовебинары» (https://geowebinar.ru) проходит конференция «Недропользование-IT», организованная Обществом экспертов России по недропользованию (https://oern.expert) и посвящённая теме внедрения цифровых технологий в процессы поиска, разведки и разработки месторождений твёрдых полезных ископаемых.
На момент написания этой статьи в рамках конференции состоялось две сессии, на которых представлено четыре доклада: «Пилотные проекты «Норникеля» в области искусственного интеллекта» (Никита Кокуолин, Цифровая лаборатория «Норильского никеля»); «От классической геостатистики – к машинному обучению, или Фантазия о том, как роботы, ИИ и Big Geodata изменят практику геологоразведки всего за два года» (Александр Паршин, научный директор Сибирской школы наук о Земле ИрНИТУ); «Практическое программирование ИИ: пример решения задачи множественной регрессии и классификации данных с обучением» (Олег Ковальчук, НИГП АК АЛРОСА (ПАО)); «Нейросетевые технологии обработки больших геологических данных» (Иван Никулин, Московский государственный университет).
В докладах рассмотрены аспекты применения искусственного интеллекта на примерах как уже существующих решений, так и смелых идей, указывающих направления дальнейших исследований в этой области.
Искусственный интеллект не обязан быть человеческим…
Эта статья в первую очередь посвящена теме, объединяющей доклады Александра Паршина, Олега Ковальчука и Ивана Никулина: использование искусственного интеллекта для целей поиска и разведки месторождений твердых полезных ископаемых.
Что же такое искусственный интеллект? Корректно ли сравнивать человеческий интеллект с искусственным и определять «силу» искусственного интеллекта как степень соответствия его человеческому? В докладе А. Паршина системы искусственного интеллекта (ИИ-системы) определяются как «программно-аппаратные комплексы, решающие задачи, ранее относившиеся к прерогативе человека, характеризующиеся определенными степенями автономности (способности самостоятельно принимать решения без внешних управляющих воздействий) и обучаемости (адаптивности) (способности самообучаться и корректно реагировать на изменившуюся окружающую ситуацию), но не обладающие «человеческим самосознанием», силой воли и т. п.». При этом ИИ-системы подразделяются на существующие только в цифровой реальности – программы, а также в цифровой и физической – роботы.
Сравнивая человеческий интеллект с искусственным, следует задаться вопросом: «А почему мы считаем, что искусственный интеллект обязательно должен быть человеческим (в сравнении целей применения и способов их достижения. – Прим. автора статьи)? Мы же понимаем, что человек мыслит нерационально, и часто это неправильно… Искусственный интеллект не обязан быть человеческим, и то, что мы не знаем другого, не означает, что его, другого, не может быть» (А. Паршин).
Вполне допустимо, что невозможно повторение человеческого интеллекта, но возможен нечеловеческий интеллект, который во многих классах задач не хуже человеческого, а зачастую превосходит его. Данное утверждение очень хорошо подтверждается при рассмотрении задач, выполняемых ИИ-системами применительно к поиску и разведке месторождений твёрдых полезных ископаемых.
БПЛА открывают новые горизонты точности данных
Первая область применения ИИ-систем заключается в сборе геологических данных. В рамках данной темы на конференции «Недропользование-IT» были рассмотрены беспилотные геофизические комплексы.
Первый вопрос: корректно ли считать БПЛА – системы сбора геологических данных роботами в классическом их понимании? Они обладают высокой адаптивностью, а низкая автономность вполне соответствует степени интеллектуальности выполняемых ими работ. В связи с этим БПЛА – системы сбора геологических данных безусловно могут характеризоваться как ИИ-системы.
Эволюция БПЛА – систем сбора геологических данных насчитывает всего около 10 лет. В области магниторазведки БПЛА – геофизические комплексы начиная с 2013 года прошли путь от систем с высокой погрешностью измерений, пригодных для обнаружения аномалий, до высокоточных систем с точностью измерений, превышающей наземную съемку, способных обеспечить возможность количественного решения обратных задач.
Системы для гамма-съемок с 2016 года от радиометрических эволюционировали до спектрометрических и сегодня позволяют решать задачи сбора геохимических данных.
Системы электроразведочного типа появились буквально недавно и еще только входят в практику геологоразведочных работ, но их возможности уже развились «от картирования некоторых производных электромагнитного поля до электромагнитного зондирования, то есть получения площадных электромагнитных данных, пригодных для решения обратных задач» (А. Паршин).
Главным достижением или инновацией применения БПЛА – систем сбора данных «стала возможность очень быстро получить ранее недоступные для геологии массивы высокодетальных и точных данных, причем в любых по сложности условиях, в том числе о подземном строении земли» (А. Паршин).
Интеллектуальные алгоритмы хранения данных
Стремительная эволюция систем сбора геологических данных потребовала аналогичного по скорости развития ИИ-систем во второй сфере применения – создания интеллектуальных алгоритмов хранения и управления геологическими данными, что послужило драйвером совершенствования систем управления геологическими базами данных.
Основной задачей, которая требует решения в этой связи, является, по мнению Ивана Никулина, создание мультиплатформенных web-приложений для организации доступа к геологическим данным для аналитиков и исследователей по единому универсальному протоколу.
Более подробно рассмотрению вопросов развития и применения систем управления геологическими базами данных будет посвящена октябрьская сессия конференции «Недропользование-IT», которая состоится 13 октября.
Машинное обучение
Новые возможности сбора, накопления, хранения и управления большими объемами геологических данных послужили толчком к началу активных исследований в третьей сфере применения ИИ-систем – обработке и анализе геологических данных в целях принятия решения о наличии и характеристиках месторождений полезных ископаемых.
В настоящее время создание интеллектуальных систем обработки и анализа геологических данных находится в ранней, можно сказать, начальной стадии своего развития. Какие же задачи стоят перед этими ИИ-системами? По мнению И. Никулина, их две: «использовать машинное обучение для повышения оперативности обработки и анализа данных и автоматизировать построение статистических моделей по результатам работы машинного обучения».
Полученные в результате машинного обучения статистические модели даже в случае нечетких данных будут, без сомнения, однозначными, так как среды машинного обучения в современном виде стандартизированы и понятны любому исследователю.
Первый опыт
В докладе И. Никулина был рассмотрен кейс применения для анализа геологических данных нейронной сети без учителя, так называемой самоорганизующейся сети кохонена, используемой для «первоначальной визуализации и анализа данных – экспресс-анализа на ранней стадии изучения геологических объектов» (И. Никулин).
Исследование посвящено применению нейронной сети для анализа геохимических и геофизических данных Кольской магнитной аномалии. Проанализировано более одного миллиона значений и определено несколько объектов, три из которых интерпретированы как сопоставимые с реально известными рудными полями Хибинского массива.
Таким образом, первый опыт анализа геофизических и геохимических данных можно признать успешным. Следующими задачами, которые стоят перед исследователями в области анализа геологических данных, являются «распознавание архивных растровых изображений и дистанционных спутниковых данных» (И. Никулин).
В целом прошедшие сессии конференции «Недропользование-IT» продемонстрировали огромный потенциал и динамичный характер развития применения ИИ-систем для целей поиска и разведки месторождений твердых полезных ископаемых.