ИИ-агент на базе Qwen объясняет аномалии в нефтяных скважинах

Открытые системы машинного обучения, которые ищут аномалии в работе нефтяных скважин, часто выдают результат, но не объясняют, почему он возник. Это мешает внедрению таких алгоритмов в промышленность. Исследователи предложили добавить к ним слой на основе большой языковой модели.

Как указано в работе на arXiv, агент работает совместно с существующей системой, а не заменяет её. Он получает данные с датчиков и вердикт классификатора, а затем выдаёт объяснение на естественном языке, критику решения и название для выявленного нового класса событий.

В основе агента — модель Qwen3.5-397B-A17B с архитектурой смеси экспертов, развёрнутая через NVIDIA NIM. Эксперименты проводились на реальных данных 3W — 989 фрагментах скважин. Классификация по девяти классам показала точность 35,1% при первом совпадении и 63,9% — при трёх попытках.

Отдельно проверяли способность агента обнаруживать новизну. Здесь точность достигла 89,7%, а для пяти из семи скрытых классов модель выдала устойчивые названия. Валидация на семи классах дала точность 71,7% и прецизионность 0,91.

Агент выполняет четыре функции: подтверждает решения, если данные их поддерживают, объясняет их на языке инженера, сигнализирует о несоответствиях и называет кластеры неизвестных событий. По мнению авторов, это закрывает разрыв в объяснимости и позволяет применять такие системы в реальной эксплуатации нефтяных скважин.