В процессе разведки и разработки нефтяных и газовых месторождений накапливаются огромные массивы информации, как хорошо структурированной, так и слабо- или вовсе неструктурированной. И хотя наша Memoza® помогает геологам быстро найти релевантную информацию, мы все равно имеем дело с десятками таблиц и графических приложений, сотнями страниц текста, так что даже беглое ознакомление с этой выборкой может занять часы и дни. Данных у геологов все больше, а времени на их изучение все меньше. Нашей целью было использовать способности БЯМ к обобщению и выбору ключевых фактов, чтобы помочь геологу получить ответы на интересующие его вопросы, быстро и в концентрированном виде.

Как минимум, хорошо постаралась. Промпт был следующим: «Основываясь на предложенной выборке, расскажи о соответствии прогнозируемых свойств коллектора по сейсмическим данным фактическим характеристикам скважины. Если есть отклонения и несоответствия, расскажи о них подробно. На русском языке»

Да. Причем, в тексте не было ни слова о несоответствии, то есть необходимо было действительно проанализировать разные разделы текста и понять отличия в полученных разными методами результатах.

Например, БЯМ указала, что залежи углеводородов оказались расположены на большей глубине, а их объем – меньшим, чем это предполагалось по сейсмическим данным. Модель также отметила, что выявленные расхождения связаны со сложностью геологического строения, и указала на ряд тектонических нарушений, которые не были выявлены в процессе интерпретации сейсмических данных, и впоследствии привели к изменению схемы размещения скважин и системы разработки месторождения.

В целом модель подтвердила, что, несмотря на отклонения и несоответствия, проведенные разведочные работы были необходимы и позволили выявить залежи нефти и газа, оценить их объем и свойства и в первом приближении спланировать разработку месторождения.

И только вчера я прочел в интервью с выходцем из OpenAI, что по сравнению с AGI все современные генеративные модели «глупее его кошки». И вот, пожалуйста…

Там происходит генерализация информации на все более высоком уровне. Чем больше модель, тем более высокие уровни абстракции доступны ей. Таким образом, она достигнет финального и окончательного знания и ей не нужна гениальность в том виде, как мы её представляем

Ты приводил слова геолога, который сказал, что универсальные модели не работают, надо их специально учить. А мне кажется, что этот подход как раз для геологии не работает. Можно натренировать модель для ответа на вопросы тех. поддержки по Линукс, например, но не для геологии. Допустим, натренируем мы модель на всех учебниках по геологии. Но ведь и физика нужна для геофизики? И химия. А дальше ещё потянется, вплоть до уфологии. Поэтому одна большая модель лучше.

Ну вот. И как на это натренировать? Это вся картина мира. Поэтому одна большая модель лучше.