Специалист по искусственному интеллекту Евгений Миронов рассказывает о том, какие задачи в нефтяной отрасли можно решать с помощью ИИ, зачем при его внедрении нужен посредник и какие компетенции и знания ему точно пригодятся в работе.
— Чем занимаются представители вашей профессии? Как давно она появилась?
— Я — технический аналитик Data Science (ТАДС). Это достаточно новая специальность. Она появилась в проектных командах, которые занимаются созданием цифровых решений на основе искусственного интеллекта (ИИ). Необходимость в таком специалисте (или роли, как говорят в проектных командах) стала понятна с началом активного внедрения проектов в области машинного обучения (МО) и применения методов ИИ на производстве.
Дело в том, что дата-сайентисты и их ближайшие коллеги — аналитики данных, инженеры данных, как подразумевает их название, — работают с данными, будь то цифры, изображения или текст, и разрабатывают математические модели, ориентируясь на достаточно общие бизнес-требования, выдаваемые заказчиком. При этом у заказчиков не всегда есть опыт формулировки детальных требований с учетом всех технологических особенностей, а разработчики, в свою очередь, могут не увидеть неточности или неполноту таких требований. Также технологи и представители бизнеса могут не быть экспертами в методах математического моделирования и машинного обучения, чтобы понимать их объективные ограничения и возможности. При этом у заказчиков зачастую формируется немного искаженная оценка и имеются завышенные ожидания от искусственного интеллекта, ведь подобные методы часто неверно позиционируются как «универсальное решение всех проблем». На самом же деле алгоритмы МО обычно решают лишь определенный класс заранее оговоренных задач.
Из-за взаимного непонимания технологических и математических процессов между исполнителем и заказчиком может возникать коммуникационный барьер, который будет препятствовать нормальному развитию проекта, включая срывы сроков и превышение бюджетов. Преодолевать подобный барьер руководителю проекта как раз и помогает технический аналитик Data Science, который, по сути, сочетает в себе знания как бизнес-анализа, так и машинного обучения.
— Что нужно знать и уметь, чтобы стать техническим аналитиком?
— Как я уже сказал, для эффективной работы важно разбираться в методах машинного обучения, анализе данных, а также производственных и бизнес-процессах, рассматриваемых в задаче. В крупной компании, такой как «Газпром нефть», существует огромное количество процессов, связанных как непосредственно с добычей и переработкой нефти, так и со вспомогательными функциями, включая HR или финансовое планирование. Заранее знать все нюансы в рамках даже одного направления, например добычи, крайне сложно, не говоря уже обо всех процессах компании. Поэтому от кандидата на должность ТАДС требуется умение быстро осваивать новый материал и оперативно изучать незнакомые предметные области.
Поскольку роль ТАДС подразумевает выстраивание коммуникаций между исполнителем и заказчиком, то в его арсенале также должны быть soft skills — в частности, умение вести переговоры и грамотно излагать свои мысли. Кроме этого, ТАДС участвует в подготовке технического задания на разработку — той части, которая связана с моделями ИИ, и вовлечен в описание алгоритмов машинного обучения, поэтому навыки технического писателя тоже востребованы.
В общем, ТАДС — это человек с широким набором компетенций. Стать им может как бывший разработчик, переключившийся на бизнес-анализ и изучение технологических процессов, так и эксперт от бизнеса/производства, решивший получить дополнительные компетенции в применении методов ИИ.
— Где вы учились и как пришли в профессию?
— Я окончил Московский физико-технический институт по направлению «Прикладная математика и физика»: в 2008 году получил диплом бакалавра, а в 2010-м — магистра. После этого учился в Университете Нового Южного Уэльса в Австралии. В 2015 году получил степень PhD по направлению «Электротехника». У меня более 20 англоязычных публикаций, поскольку я активно занимался научной деятельностью (индекс Хирша — 10). Что касается машинного обучения, впервые с подобными задачами я столкнулся в 2018 году, когда пришел работать на Новолипецкий металлургический комбинат (НЛМК). На НЛМК в то время велась разработка различных рекомендательных сервисов на основе искусственного интеллекта для производственной цепочки, и именно там наша команда пришла к пониманию, что в ней должны быть такие специалисты, как ТАДС. Мое техническое образование, свободное владение английским и умение работать с разными источниками информации позволили быстро получить все необходимые компетенции в металлургии и успешно вжиться в новую для себя роль.
— Какие проекты вы уже выполнили, работая в «Газпром нефти», или выполняете сейчас?
— Я участвовал уже в более чем 30 проектах по теме ИИ. В одних я выступал в качестве непосредственного исполнителя, а в других — занимался экспертизой итоговых отчетов. За это время мне удалось поработать с задачами сейсмики, геофизических исследований скважин, обследования трубопроводов, прогноза рыночных цен на нефтепродукты, а также с автоматическим распознаванием корреспонденции и договорных документов, созданием поисковых систем, анализом барьеров промышленной безопасности и другими проектами. Помимо этого, я занимался разработкой методологии документирования цифровых проектов, в которых используется ИИ.
Как видите, работа в компании богата на самые разнообразные активности. И это закономерно, потому что многое мы делаем впервые. Быть первопроходцем, конечно, очень интересно.
— Что в вашей работе вы считаете самым сложным и самым интересным?
— На мой взгляд, наиболее сложно — быстро переключаться между проектами с разной тематикой. Одновременно можно участвовать в задаче прогноза геомеханических свойств пласта вдоль ствола нефтяной скважины, анализировать эффективность барьеров производственной безопасности и заниматься поисковиком по нормативной документации компании. Причем в течение одного дня могут проходить совещания по всем трем направлениям.
Самое интересное — это возможность взаимодействовать с заказчиками, профессионалами в своих предметных областях, и открывать для себя какие-то новые направления, а также производственные и бизнес-нюансы. Это позволяет разносторонне развиваться и в целом способствует лучшему пониманию процессов компании.
— Какой вы видите вашу профессию через 5–10 лет?
— Предназначение ТАДС как посредника между бизнесом и командой разработки интуитивно понятно. Такой функционал имеет некоторые пересечения с другими устоявшимися проектными ролями (системным аналитиком, бизнес-аналитиком, продуктовым аналитиком и т. д.), но с основным уклоном в сторону ИИ.
Постепенное развитие новых вычислительных методов позволяет решать все более сложные производственные задачи, поэтому, я думаю, востребованность роли ТАДС со временем будет также только расти.
Понравился материал? Ставьте лайк и подписывайтесь на канал!
Другие материалы по теме:
Скрам-мастер: что за специалист и чем занимается в нефтянке?
Как отечественный дрон перевозит пробы нефти. ВИДЕО!
Эксперт в области робототехники: «Наши разработки не имеют аналогов в мире!»
Другие материалы читайте на сайте журнала: www.gazprom-neft.ru/press-center/sibneft-online/