В 1959 году была представлена первая коммерчески успешная копировальная машина — Xerox 914. Это была довольно сложная штука. Чтобы надежно ее эксплуатировать, нужно было обучить небольшой отряд техников и операторов. Самая известная проблема заключалась в том, что машина могла перегреться и загореться. Это было настолько распространено, что в комплекте поставлялся специальный огнетушитель.

Несмотря на все недостатки нового горячего устройства, его приняли. Даже полюбили. Если не за функциональность, то за имидж. Если у вас в офисе стоял Xerox, вы считались компанией, стремящейся быть на переднем крае инноваций.

Оператор Xerox

Даже с выходом новых моделей для работы с копировальной машиной все равно требовался оператор. Это была полноценная работа с обучением. В начале 90-х, когда копировальные машины Xerox впервые появились у нас, я помню, что операторы даже получали молоко, потому что их работа считалась довольно вредной.

Но затем что-то случилось. Операторы Xerox внезапно пропали. Сегодня, если вам нужна копия, вы просто подходите к ближайшему принтеру и делаете это сами. Почему? Потому что технологии продолжают совершенствоваться.

Инструменты и миссия

ИИ и Машинное обучение — это просто инструменты. Между инструментом и человеком с миссией есть разница.

Копировальная машина Xerox — всего лишь инструмент.

Знаете, что еще является инструментом? – Машинное обучение. Искусственный интеллект.

Вроде очевидно. Но похоже не всем. И эти не все – меня раздражают. Они находятся ровно на другом конце спектра, от людей, которые закатывают глаза при словах про Искусственный интеллект.

Вот как я это вижу. Инструменты помогают людям с их миссией. Без миссии и человека инструменты не имеют никакой ценности. Более того, человек, посвятивший себя инструменту, а не миссии – сам теряет ценность.

Есть специалисты по молоткам. А есть плотники. Поэтому, выбирая путь развития своих навыков, сосредоточьтесь на своей миссии.

Был как-то случай..

Год назад я готовил дипломный проект по машинному обучению. Задача была проста: использовать алгоритм машинного обучения для предсказания температуры стали в ковше после цикла нагрева с использованием графитовых электродов.

Датасет был разделен на партии металла с несколькими циклами нагрева для одной партии. Я проконсультировался с другом, который является начальником участка на сталелитейном заводе, и он сказал, что наиболее полезным подходом было бы выделить один цикл нагрева и создать модель, которая предсказывала бы температуру в зависимости от времени нагрева в этом одном цикле. Если сталевары одобряют этот подход, значит он правильный, верно?

Нет, не верно.

Оказалось, что код-ревьювер моего проекта имел другое мнение. Он настаивал на том, чтобы мы не делили датасет на отдельные циклы и работали с партией в целом. Я знал, что спорить с человеком, который может мгновенно принять или отклонить мой проект, не стоит, поэтому сделал, как он сказал.

Когда я рассказал эту историю своему другу, он подтвердил, что со специалистами по молоткам трудно спорить. Даже если вы самый опытный плотник.

Не становитесь специалистом по молоткам

Это касается всех инструментов. Они эволюционируют. Становятся проще и удобнее в использовании. Я недавно потратил полтора года на изучение всего, что можно узнать о текущем состоянии машинного обучения и ИИ.

И я не думаю, что это было на 100% правильно потраченное время. Я учился становиться специалистом по молоткам. Вместо этого я должен был учиться становиться плотником. Практика всегда перевешивает теорию.

Сейчас в области профессионального образования существует огромный вакуум. Потребность в инструментах машинного обучения и новых ИИ в нефтегазовой отрасли очевидна. Но им нужен только ограниченный набор тех навыков, которые сегодня впихиваются всем подряд. Я убежден, что нефтегазовый инженер с базовыми знаниями о том, как сделать простую линейную регрессию или градиентный бустинг, гораздо ценнее, чем выпускник CS с 10-летним опытом различения собак и маффинов.

Вот мой совет для любого инженера-нефтяника, только что выпустившегося из университета или имеющего 10 лет стажа:

• Не ждите и не бойтесь — сейчас невероятно просто изучить машинное обучение.

• Помните о своей миссии — не становитесь специалистом по молоткам, как бы круто они ни выглядели и ни звучали, практически все бесполезные нашему делу пустозвоны.

• Будьте предельно практичны — применяйте свои знания немедленно, у вашей компании есть все необходимые данные, просто они не знают, как их использовать. Если вы пообещаете результат, они поделятся ими.

Когда я начинал, не было надежного способа заставить LLM выдавать текст без галлюцинаций. Теперь есть RAG, векторные базы данных и langsmith. Все происходит быстро.

Желаемая всеми начальниками идея «а можно ли задавать вопросы PDFкам», которую большинство понимают и пытаются использовать как продающую точку для своих ИИ-амбиций, может быть реализована в 10 строках кода, 5 из которых — это импорты общедоступных библиотек. Это безумие.

Не ждите и не бойтесь. Делайте это сейчас. И станьте 10x версией нефтегазового инженера. Это так просто.