Форум » ПЕТРОФИЗИЧЕСКИЙ СОФТ - PETROPHYSICAL SOFTWARE » AI и NN » Ответить
AI и NN
bne: Давно пора вводить как отдельную рубрику
Ответов - 4
bne: https://nplus1.ru/theme/machinelearning
bne: Как работает когнитивная система IBM Watson То, как работают современные технологии, объяснить зачастую сложно, а когда речь заходит о когнитивных вычислениях и системе IBM Watson, то кажется, эта тема недоступна для понимания обычного человека. Но это вовсе не так: профессионалы могут объяснить все, включая самые сложные материи, причем довольно доступными словами. Сегодня о работе когнитивной системы IBM Watson и других инновационных решениях компании рассказывают специалисты компании IBM. Это Владимир Алексеев, бизнес-консультант по индустриальным решениям IBM в России и СНГ, Александр Дмитриев, ведущий системный архитектор IBM в России и СНГ, и Юлия Пакина, менеджер по развитию бизнеса IBM в России и СНГ. IBM уже много лет работает в сфере когнитивных технологий. Расскажите, пожалуйста, какими проектами сейчас в этом направлении занимается компания? Александр Дмитриев Ведущий системный архитектор IBM в России и СНГ Чтобы ответить на этот вопрос, надо немного рассказать о самих технологиях. Когнитивные технологии — это направление развития систем искусственного интеллекта, основная задача которых — помогать человеку в принятии решений в сложной обстановке. Существует целый ряд отраслей и процессов, требующих управления при огромном количестве меняющихся параметров, сложных зависимостей, труднопредсказуемых результатов. При этом решения должны приниматься в режиме времени, близком к реальному. Самым простым примером будут электронные торги на бирже или покупки через интернет. Например, на популярных торговых сайтах зачастую проводятся акции, когда дешевый товар выставляется на продажу с определенного момента времени. Человек не успевает даже нажать кнопку, а товар уже продан: срабатывают автоматические системы закупок. Точно так же покупка и продажа акций на мировых биржах поддерживается системами, собирающими огромное количество информации из различных источников и «автоматически» принимающих решения о покупке или продаже тех или иных пакетов акций. На самом деле решение принимает человек, когда создает и обучает эту систему. Из всего этого вытекает понимание спектра клиентов и возможных проектов, для которых подходят когнитивные технологии: это в первую очередь крупные компании из тех отраслей бизнеса, где необходимо быстро и качественно обрабатывать большие объемы данных, выявлять сложные связи и зависимости, а по алгоритмам, близким к человеческому мышлению, вырабатывать варианты решений, чтобы управляющие специалисты могли быстро сделать выбор нужных действий. Это в первую очередь крупные производства, где задействованы большие ресурсы и объемы данных — как от технических систем, так и от действий персонала (нефтяная промышленность, банки, строительство, тяжелое машиностроение и т.д.). Также это те области, где требуется освоение и понимание большого количества информации о новых разработках, учет накопленного опыта и высокие риски при принятии решений. Это относится к области медицины, социального управления. Цена при медицинских решениях — это человеческая жизнь, здоровье. Здесь когнитивные технологии особенно ценны. Они предоставляют специалистам реферативную информацию по новым достижениям в области конкретного медицинского направления, помогают подобрать лучший вариант лечения для каждого пациента с учетом истории и специфики его болезни. Кроме того, одним из важнейших направлений является создание баз данных знаний по той или иной области науки, техники, роду деятельности, истории и т.д. Теперь о конкретных проектах. Сегодня уже целый ряд крупных компаний создают сложные системы поддержки принятия решений, причем не только за рубежом, но и в России. Если говорить о зарубежных примерах, то крупнейшая австралийская нефтяная компания Woodside создала базу знаний по своей отрасли с учетом собственного опыта. Это позволило решить целый ряд сложных задач — в первую очередь повысить эффективность работы персонала, существенно ускорить цикл обучения, дало возможность использовать и тиражировать опыт уже реализованных проектов. Здесь огромная экономия денег в масштабах крупной компании. Российским примером может послужить реализация системы работы с большими объемами текстов в ВИНИТИ РАН, где успешно внедряются технологии на базе Watson Explorer. Эта система поможет обрабатывать различную структурированную и неструктурированную информацию для выявления корреляций между показателями, характеризующими тематические направления научных исследований в России. Был еще проект, осуществленный совместно с Всероссийским центром изучения общественного мнения по тематике международных отношений. Более 55 тысяч текстов из открытых источников были проанализированы с помощью когнитивных технологий Watson для того, чтобы выделить важные моменты в культурных и социальных связях между Россией и Южной Кореей. Также сделан целый ряд пилотных проектов в области медицины на базе продукта Watson Health, и результаты показывают на широкие возможности по улучшению качества лечения пациентов. Надо сказать, что направление когнитивных технологий еще очень новое, и поэтому почти каждый день к нам приходят новые заказчики из самых разных областей, и мы подбираем для них нужный инструментарий из всего имеющегося у компании IBM спектра решений. Скажите, пожалуйста, что изначально представляла собой IBM Watson и почему эту систему решили использовать в таких областях, как медицина, бизнес, страхование? Юлия Пакина Менеджер по развитию бизнеса IBM в России и СНГ Самый первый выход Watson в свет был в 2011 году на игре Jeopardy! Тогда Watson представлял собой большой комплекс разных программ, который был собран специально для этой игры, и заложенные в него возможности на тот момент были нацелены на понимание естественного языка. Для этого нужно было, во-первых, переводить голос в текст и, во-вторых, правильно интерпретировать полученный текстовый материал. Таким образом, система изначально умела интерпретировать текст, разбирать вопросы и «понимать» их смысл. Конечно, сейчас уровень и производительность Watson гораздо выше, чем в 2011 году. Что еще умела тогда система Watson? Искать ответ на заданный вопрос в недрах заложенной в ней информации. Отличительной способностью той системы было то, что она не была подключена к внешним источникам — ни к интернету, ни к чему-то еще. Что заложили в ее память, то она и использовала. Самое интересное, что благодаря заложенной логике система ранжировала возможные варианты ответов и выдавала тот, в котором она благодаря своей логике была уверена как в максимально правильном. В 2011 году система Watson победила с большим отрывом остальных участников — людей, отрыв там был серьезный. И после этой игры встал вопрос: «А что дальше?» Игра — это прекрасно! Но какое может быть дальнейшее применение системы? После этого специалисты начали думать, где можно коммерчески применять технологии Watson, в какой сфере бизнеса, на каких рынках. В компании IBM решили, что Watson нужно использовать там, где есть большой поток текстовой неструктурированной информации на естественном языке, и там, где человеку нужен интеллектуальный помощник. И мы начали работу в сфере здравоохранения. Все дело в том, что Watson, как мы уже знаем, умеет обрабатывать огромное количество информации. А, например, в онкологии ежегодно появляется 500 тысяч новых научных статей по разным областям и исследовательским сферам. И понятно, что живой человек не может справиться с таким валом информации. Но ведь новые материалы в этой сфере нельзя игнорировать, их надо перерабатывать интеллектуально, взвешивая, сравнивая, обращаясь к предыдущему опыту. При этом обязательно нужно учитывать, что все, что сейчас умеет Watson, в него заложили талантливые программисты, лингвисты, эксперты из предметных областей. Каково ваше видение будущего IBM Watson? Например, какие задачи система сможет решать через 5-10 лет? Что она не может делать сейчас, но в скором времени специалисты компании планируют ее научить делать? Александр Дмитриев Ведущий системный архитектор IBM в России и СНГ Будущее предсказывать достаточно сложно, недаром большинство специалистов, рассказывая о современных решениях, используют фразу «в современном быстро меняющемся мире». Ситуация действительно очень быстро и зачастую непредсказуемо меняется, однако основные тенденции в области когнитивных технологий пока достаточно ясны. В первую очередь это создание больших баз знаний на частном и государственном уровне. Сейчас этим озабочены все ведущие страны мира. Они очень активно стремятся собрать, обработать и поставить на поток систему выделения ценной информации из самых разнообразных источников. Мы видим, что этот процесс идет на двух основных уровнях. Во-первых, на уровне крупных компаний международного значения, имеющих сотни тысяч сотрудников, отделения в разных странах и сложное производство. Здесь основным двигателем является получение конкурентного преимущества. Понятно, что проекты этого уровня требуют серьезных инвестиций, но они начинают окупаться практически сразу, резко повышая эффективность работы. Упор делается на предсказательный анализ, который обеспечивают технологии Watson: управление идет не после свершения тех или иных событий, а с учетом всего опыта работы компании в режиме прогнозирования. Более высокий уровень — это уровень государства, когда создаются системы накопления и обработки знаний уже в масштабах страны и информации из других стран. Это области, связанные с развитием науки, техники, здоровья нации, социального управления. Watson уже освоила профессии повара, врача, финансиста и переводчика. Какие еще профессии она собирается освоить в ближайшее время? Александр Дмитриев Ведущий системный архитектор IBM в России и СНГ Что касается «профессий» Watson, то здесь два аспекта. Первый — это расширение спектра возможностей внутри уже освоенных профессий. Скажем, в области медицины, Watson используется при лечении ряда онкологических заболеваний. Но специфика медицины в том, что не только видов заболеваний существует огромное количество, но и сами пациенты отличаются и личностными характеристиками, и историями своих заболеваний. Поэтому развитие идет за счет как увеличения спектра излечиваемых заболеваний, так и за счет возможности выработки все более детального персонифицированного курса лечения для конкретного пациента. Второе — это «освоение» других профессий. Watson уже «освоила» специализацию нефтяной отрасли: целый ряд зарубежных компаний внедрил системы поддержки принятия решений для своих специалистов-нефтяников. Еще одним перспективным направлением является работа с социальными группами и населением. Также это области, где необходима обработка информации и выработка сервисов и предложений для больших групп клиентов (сотни тысяч и миллионы человек). Таким образом, ближайшие перспективы развития — это профессии из банковской отрасли, телекоммуникаций, где объемы данных невероятно велики, а решения надо принимать в реальном режиме времени. Если говорить в целом, то, полагаю, Watson достаточно скоро придет в виде сервиса уже просто к каждому человеку — можно будет задать вопрос по практически любой интересующей области знаний и получить квалифицированный ответ. Юлия Пакина Менеджер по развитию бизнеса IBM в России и СНГ Из недавних областей, где нашлось применение IBM Watson, можно упомянуть добычу полезных ископаемых. Александр уже упоминал хороший пример истории успеха — австралийскую компанию Woodside Energy, которой когнитивная система помогла работать гораздо более эффективно, оптимизировав рабочий процесс. До Watson решение о бурении скважин специалисты Woodside Energy принимали на основании долгой и кропотливой работы по сбору всей возможной документации в данной области, включая геологическое строение местности, наличие скважин рядом, тип месторождения, возможность использования оборудования, которое необходимо применить для этого проекта. Причем раньше этот подготовительный период занимал вплоть до 80% времени у компании. Соответственно лишь 20% времени оставалось на разработку самой скважины. Сейчас мы вместе с Woodside Energy добились того, что только 20% времени уделяется исследованиям и подготовке к бурению, а все остальное время отводится на бурение и разработку новых скважин. Сейчас многие компании говорят о своих разработках в сфере искусственного интеллекта. IBM говорит о когнитивной платформе. Скажите, пожалуйста, в чем особенность когнитивных сервисов IBM и можно ли их называть определенным типом искусственного интеллекта? Александр Дмитриев Ведущий системный архитектор IBM в России и СНГ Что касается искусственного интеллекта, я бы не стал придавать слишком серьезное значение терминологии. Пока наука в целом не до конца понимает методы мышления человека (а в этой области еще множество белых пятен), нецелесообразно спорить, что является искусственным интеллектом и что нет. Можно сказать, что система Watson в 2011 году «прошла» немного модифицированный формальный тест Тюринга на право называться искусственным интеллектом. Общая идея теста простая: если человек, общаясь с какой-то системой и задавая ей ряд вопросов в свободной форме, не может отличить, с человеком он общается или с машинной системой, то такая система может претендовать на звание «искусственного интеллекта». Победив в игре Jeopardy, где надо было отвечать на вопросы из самых разных областей знаний, Watson опередила живых участников и прошла этот тест. Но суть не в этом. Как бы мы ни назвали когнитивные технологии, важно, чтобы они выполняли свою основную задачу, становились «усилителем» разума при принятии сложных решений, как оперативных, так и стратегических. Человеческая память не безгранична, обучение компетентных специалистов в любой отрасли — дело дорогостоящее и длительное. Когнитивные же системы как бы создают таких виртуальных специалистов-консультантов, к услугам которых сможет обратиться каждый. В этом суть искусственного интеллекта. Важно, что окончательное решение по любым вопросам все-таки останется за человеком. Юлия Пакина Менеджер по развитию бизнеса IBM в России и СНГ Да, в целом когнитивная система как раз создана для того, чтобы снять с человека рутину и дать больше времени на творчество, решение сложных задач и создание новых систем. Поэтому мы и говорим о решении не искусственного интеллекта, а усиленного интеллекта, добавленного интеллекта. Расскажите, пожалуйста, подробнее об использовании возможностей когнитивных технологий в бизнесе. Александр Дмитриев Ведущий системный архитектор IBM в России и СНГ Использование когнитивных технологий в бизнесе направлено на решение целого ряда задач, связанных не просто с большими объемами быстро изменяющихся данных, а с необходимостью оперативно извлекать из этих данных нужную информацию и использовать ее для бизнеса с учетом отраслевого и собственного опыта компании. Таким образом, когнитивные системы подключаются к разнообразным источникам информации (собственным базам данных компании, интернету, потоковому видео, информации от технических датчиков различных систем, данным о событиях в той или иной области). Уже на основании этих данных когнитивные системы по специальным алгоритмам находят нужные решения и предлагают их управленцам и специалистам. Важно, что с накоплением опыта работы и успешной деятельности в той или иной области когнитивные системы можно обучать, настраивать, а также задавать режим самообучения. Поэтому когнитивные системы для бизнеса обладают одним важным качеством, которым не обладает ни одна другая система: чем дольше они работают, тем выше их коэффициент полезного действия. Они сами по себе становятся ценнее для компании в процессе эксплуатации. И важно то, что этот накопленный опыт доступен для сотрудников компании и постоянно, таким образом, используется — повторно, многократно, всегда, когда это необходимо. Обычная ситуация — ушел специалист, для компании потеряны его личные знания и опыт. При внедренной когнитивной системы весь опыт остается в компании и может быть легко передан другим специалистам. Чем может быть полезен бизнесу блокчейн? Сейчас говорят, что эта технология может изменить привычный мир предпринимательства. Правда ли это, и если да, то что это за изменения? Владимир Алексеев Бизнес-консультант по индустриальным решениям IBM в России и СНГ Первые мнения о том, как технология может поменять мир предпринимательства, обычно сводились к созданию peer-to-peer-сетей, то есть среды, где каждая компания могла напрямую взаимодействовать с любой другой без каких-либо посредников. Надо признать, это слишком упрощенное описание, и со временем идея развивалась и дополнялась. Сейчас можно сказать, что блокчейн, во-первых, позволяет обеспечить распределенную ответственность, что крайне важно в случае, если у нас есть несколько компаний, которые не сильно доверяют друг другу и никак не связаны между собой. Во-вторых, прозрачность совершения всех операций и невозможность внесения изменений в уже проведенные транзакции. Под транзакцией понимается не только банковская транзакция, но больше факт передачи актива от одной компании другой. В-третьих, это возможность использования смарт-контрактов для бизнес-логики, а именно обеспечение всего процесса операции. В противном случае блокчейн можно было бы использовать только как систему хранения, а всю логику операций делать вне его рамок, что не обеспечивало бы ни прозрачность, ни надежность проведения операций. Есть ли уже положительные примеры использования блокчейна коммерческими компаниями? Владимир Алексеев Бизнес-консультант по индустриальным решениям IBM в России и СНГ За прошлый год IBM провела вместе с заказчиками более 400 пилотов в мире в самых разных отраслях. Это, конечно, и финансовый сектор, и ритейл, и энергетика. В частности, пилотные проекты с ABN Amro в области финансовой реструктуризации и управления недвижимостью. С Bank of Tokio-Mitsubishi был завершен проект по использованию технологии блокчейн для автоматизации аутсорсинговых контрактов в ИТ. Говорить о практических результатах внедрений (количественных бизнес-показателях) сейчас достаточно рано: блокчейн — это все-таки новая технология, которая также требует времени для апробации. Блокчейн не может существовать изолированно, поэтому требуется интеграция с существующими системами, требуется разработка сервисов, требуются компетенции. 2016 год был посвящен пилотированию, 2017-й должен пройти под знаком интеграции технологии блокчейн в существующую ИТ-инфраструктуру организаций. Согласно исследованию IBM Institute for Business Value, более 50% опрошенных руководителей компаний финансового сектора планируют перейти к фазе коммерческого использования технологии в 2018-2020 годах. Блокчейн, насколько можно понять, дает большие возможности многим сферам бизнеса. А что скажете по поводу бирж по торговле ценными бумагами? Может ли там пригодиться эта технология? Владимир Алексеев Бизнес-консультант по индустриальным решениям IBM в России и СНГ Стоит признать, что биржи были одними из первых организаций, которые заинтересовались технологией и активно участвовали в ее развитии. К примеру, Немецкая биржа (Deutsche Boerse) является премьер-участником блокчейн-проекта HyperLedger наряду с IBM, а Московская биржа также входит в состав участников. Из практического опыта использования технологии биржами отмечу следующее: еще в прошлом году Японская биржа при помощи IBM проводила исследование возможностей использования распределенных реестров в своих операциях. В своем отчете биржа подчеркнула перспективность технологии, отметив среди ключевых преимуществ возможность создания новых инновационных финансовых сервисов и сокращение затрат. По мнению специалистов Японской биржи, блокчейн поможет автоматизировать процессы согласования торговых процедур и повысить отказоустойчивость системы в целом за счет введения принципа распределенности. Расскажите, пожалуйста, чем планирует заниматься компания IBM в последующие 5-10 лет? Каким компания видит мир бизнеса будущего? Владимир Алексеев Бизнес-консультант по индустриальным решениям IBM в России и СНГ В начале этого года корпорация IBM представила свой взгляд на то, как технологические инновации изменят мир в будущем. Отчет был выполнен научно-исследовательским подразделением IBM Research и отражает мнение компании на то, как мир изменится через пять лет по пяти направлениям. Во-первых, компания уделяет большое внимание тому, как все мы говорим и пишем, и считает, что эти факторы будут использоваться в качестве индикаторов психологического состояния и физического здоровья. Далее — люди смогут обрести «сверхзрение» благодаря крошечным и мощным камерам, что даст возможность исследовать почти 100% электромагнитного спектра против менее 1% в настоящее время. Технология может быть встроена в мобильные устройства и помогать анализировать состав продуктов или лекарств. С другой стороны, через пять лет мы будем в состоянии понять всю сложность Земли с потрясающей точностью деталей. Это станет возможным за счет развития интернета вещей (IoT) и алгоритмов машинного обучения, на основе которых можно сделать выводы из анализа снятых параметров. Ученые IBM называют это в совокупности «макроскопом». Он поможет прогнозировать такие явления, как изменения климата, уровня воды, угрозы загрязнения или влияние внешних факторов на нашу планету. Следующим направлением развития технологий IBM видит создание медицинских лабораторий «на чипах», чтобы отслеживать болезни на нано-уровне, что поможет предсказывать заболевания на более ранних стадиях. В лабораториях IBM специалисты работают над созданием чипов размером в 20 нм, которые могут быть подсоединены как к системам искусственного интеллекта, так и к другим датчикам в режиме реального времени. И, наконец, пятой областью является создание и распространение «умных» сенсоров для более раннего определения уровня загрязнения окружающей среды. Такие сенсоры могут также быть крайне полезны для газопроводных труб, а также возле естественных источников выбросов, к примеру, метана для оповещения увеличения концентраций различных веществ. Стоит отметить, что по всем направлениям технологии находятся в разработке уже сейчас, так что прогноз не выглядит слишком футуристичным. С другой стороны, необходимо время и усилия, чтобы доработать существующие продукты и довести их до массового использования. С точки зрения долгосрочной перспективы (10 и более лет) можно привести пример технологии квантовых компьютеров. В алгоритме работы квантовых компьютеров заложены абсолютно другие принципы, нежели те, по которым работают современные компьютеры. Поэтому их использование может полностью изменить существующие процессы, например, криптографии, и дать абсолютно новый уровень вычислительной мощности. IBM является одним из лидеров в этой области, уже предоставляя бесплатный тестовый доступ к реальному квантовому компьютеру через облачную инфраструктуру IBM Quantum Experience. http://cognitive.rbc.ru/how-work?utm_source=top&utm_medium=spec&utm_campaign=ibmq2-art-ai-works-s
bne: Просто ползучий эмпиризм Не сложно придумать тестовые задачи на которых подобные системы будут затыкаться на экстраполяциях
Boris_Home: «Умная» добыча: почему цифровые технологии удержат низкие цены на нефть Дарья Козлова Современные цифровые решения в разведке и добыче нефти позволят снизить стоимость освоения запасов углеводородного сырья и увеличить объем его предложения. Как следствие, цена на нефть в долгосрочной перспективе может не выйти за отметку $40 за баррель На всех ключевых экономических и отраслевых форумах в последнее время постоянно обсуждаются «умные» технологии в ТЭК, в том числе и в сегменте разведки и добычи нефти (upstream — апстрим). В апстриме по большей части под этим термином скорее понимается внедрение комплекса цифровых технологий в операционные процессы, а не только безумно популярный сейчас блокчейн. Цифровые технологии всегда сопровождают апстрим, в этом смысле он и раньше был «умным». К примеру, развитие векторных вычислений стимулировало применение и интерпретацию 3D-сейсмики (технология поиска запасов). Внедрение одной из программных разработок General Electric фактически стало первым инструментом анализа больших данных и основой современной концепции цифрового месторождения Современная нефтяная работающая на шельфе платформа оснащается около 80 тысячами сенсорными датчиками, генерирующими 15 петабайт (15 млн гигабайт) данных на протяжении всего периода разработки (20-25 лет). Для сравнения: человеческий мозг может «хранить» не более 1 петабайт информации, а размер данных на большом андронном коллайдере достигает 4 петабайт в год. Все эти данные необходимо собрать, систематизировать, провести анализ и сделать прогноз на их основе. Чем больший объем информации в кратчайшие сроки будет обработан, тем дешевле и эффективнее для компании будет поиск и разработка месторождений. ВАС ТАКЖЕ МОЖЕТ ЗАИНТЕРЕСОВАТЬ Виталий Акимов: «При остром инсульте главное для спасения мозга — это время» Запрет на бензиновые и дизельные автомобили в Китае: что будет с ценами на нефть РЕКЛАМАКреативный директор Westwing об офисной рутине и мотивации сотрудников «Роснефть» течет на Восток. Китайская CEFC выкупает 14,2% акций у консорциума QIA и Glencore за $9,1 млрд Страховка от девальвации: какая экономическая политика нас ждет Магия подсчетов. Тормозят ли «зеленую» энергетику колоссальные субсидии в сырьевой сектор РЕКЛАМАКреативный директор Westwing об офисной рутине и мотивации сотрудников Олигарх и лучший друг Запада. Как Михаил Ходорковский стал богатейшим человеком России Виталий Акимов: «При остром инсульте главное для спасения мозга — это время» Запрет на бензиновые и дизельные автомобили в Китае: что будет с ценами на нефть Спокойствие рубля: почему повторение декабря 2014 года маловероятно «Роснефть» течет на Восток. Китайская CEFC выкупает 14,2% акций у консорциума QIA и Glencore за $9,1 млрд Страховка от девальвации: какая экономическая политика нас ждет Магия подсчетов. Тормозят ли «зеленую» энергетику колоссальные субсидии в сырьевой сектор Временный штиль: что мешает рублю продолжить коррекцию? Олигарх и лучший друг Запада. Как Михаил Ходорковский стал богатейшим человеком России К основным направлениям цифровизации апстрима, которые сейчас у всех на слуху, относятся big data, промышленный интернет, роботизация и искусственный интеллект. Все они, как правило, сочетаются в одном программном продукте. Цены вниз Вот лишь несколько примеров применения цифровых решений, позволяющих увеличить эффективность апстрима: ВР совместно с Silicon Microgravity разрабатывает высокочувствительные датчики небольшого размера, позволяющие инженерам на основе анализа данных лучше контролировать параметры разработки пласта. Положительный эффект оценивается в 2% увеличения дебита и 5% сокращения времени простоев и затрат на бурение. Seven Lakes Technologies тестирует технологию Field Data-Gathering Workflow solution. Она позволяет сократить время простоя оборудования на 50% и снижает потери при добыче с 5 до 2,5%. Опыт Shell свидетельствует, что переход на «умное» месторождение позволяет увеличить коэффициент извлечения нефти на 10%. В условиях низких цен на нефть такие технологии становятся особенно важными, поэтому все ведущие компании увеличивают инвестиции в цифровые разработки. Проведенное в 2016 году исследование Accenture показало, что 36% опрошенных нефтегазовых компаний уже инвестируют в технологии big data и основанную на ней аналитику, 38% собирается делать это в ближайшие 3-5 лет. Только 16% респондентов сейчас вкладывается в методы искусственного интеллекта, но в скором будущем уже 23% выделят бюджет на такие разработки. В сценарии успешного развития цифровых технологий, который сегодня уже не кажется фантастическим, увеличится количество технически извлекаемых традиционных ресурсов, а их стоимость будет снижаться. Этот фактор даже в условиях растущего спроса будет выдавливать с кривой предложения дорогостоящие проекты и оказывать негативное влияние на цену нефти. По оценкам ВР, от развития всех технологий технически извлекаемые запасы могут вырасти на 35%, а себестоимость снизиться на 25%. Согласно апрельскому прогнозу Всемирного банка, цена нефти к 2030 году составит $66/барр. в номинальном выражении. Снижение же затрат на 25% может вывести цену ниже $50 /барр., а увеличение предложения со стороны еще более дешевых традиционных запасов может повлечь снижении и ниже $40/барр. Адаптироваться и изменяться Действующая налоговая система в России настроена так, что колебания цены на нефть больше сказываются на федеральном бюджете, чем на компаниях. Положительный эффект на отрасль также оказывает ослабление курса рубля при снижении цены на нефть. К примеру, в 2015 году негативное влияние от снижения цены на нефть на денежный поток типового месторождения в Западной Сибири составило -1,9 тысяч рублей/тонна, а позитивное от ослабления рубля +2,1 тыс.руб./тонна. Российские компании также много инвестируют в цифровые технологии. В стране функционирует 27 «умных» месторождений, крупнейшие ВИНК разрабатывают собственные технологические стратегии, создают современные инжиниринговые центры. В России существует значительный потенциал увеличения добычи. Но прирост будет возможен только в случае разработки трудноизвлекаемых запасов (ТрИЗ), применения современных методов геологоразведочных работ (ГРР) и увеличения нефтеотдачи (МУН). Внедрение действующих технологий позволит дать дополнительные 210 млн т добычи к 2030 году (см. рис). Цифровые технологии, увеличивая эффективность ГРР и скорость внедрения технологий МУН и ТрИЗ, могут дать еще около 155 млн т дополнительной добычи Естественно, весь этот потенциал может не реализоваться, если отечественный нефтегаз недостаточно активно будет наращивать инвестиции в цифровые технологии в будущем. http://www.forbes.ru/biznes/351129-umnaya-dobycha-pochemu-cifrovye-tehnologii-uderzhat-nizkie-ceny-na-neft
полная версия страницы