Наверное, нет такого ML-разработчика, евангелиста технологий ИИ или практика, интересующегося перспективами машинного обучения в нефтегазовой отрасли, который хоть раз бы не слышал (или не думал): "Искусственный интеллект — это черный ящик! Невозможно понять его логику принятия решений. Серьезное применение его в нефтегазовой отрасли невозможно!". Наука и практика показывает иное — в последнее время активно развивается направление ИИ, которое получило название "научное машинное обучение" (SciML).
В докладе мы рассмотрим, как использовать SciML, чтобы интегрировать априорные знания нефтегазовой отрасли и машинное обучение. Обсудим нейросимвольный подход к созданию ИИ-систем. Продемонстрируем на примерах, как такие системы позволят решать ранее нерешенные актуальные задачи нефтегазовой отрасли. Обсудим, как меняются подходы к обучению ML-моделей, осведомленных о физике процессов, а также как всё это отражается на программной архитектуре прикладных цифровых продуктов. Наметим ожидаемые перспективы развития этого направления в нефтегазовой отрасли в различных сегментах цепочки создания стоимости.