Табыстар:
- Ансамбль, сезімталдықты талдау, кросс-валидация және соқыр тестілеу арқылы белгісіздікті өлшеу және есеп беру мүмкіндігі
- Деректердің ағып кетуін ұңғыма/өріс негізінде бөлу және хабарланған дәлдіктің шынайы жалпылауды көрсететінін қамтамасыз ету мүмкіндігі.
- Жасанды интеллект сенім ұпайын сенімділік диаграммасымен калибрлеу және калибрленбеген баллды ықтималдық ретінде пайдаланбау тәртібін қолдану мүмкіндігі
Бұл модульдің әрбір бөлімінде қайталанатын тақырып бар: геофизикада «нақты жауаптар» жоқ, тек белгісіздікпен шектелген модельдер. Бұл бөлім сол тақырыпты пәнге айналдырады. Модельдің белгісіздігі – бірдей деректерді түсіндіре алатын және әрбір модель сенімділік интервалына ие әртүрлі жер қойнауының модельдерінің болуы. Валидация - бұл модельдің немесе AI шығысының шын мәнінде жарамдылығын тәуелсіз дәлелдермен сынау. Калибрлеу модель арқылы берілген сенімділік/ықтималдық мәндерінің нақты нәтижелерге сәйкес келуін қамтамасыз ету болып табылады. Бұл бөлімде біз жасанды интеллект (AI) белгісіздікті қалай өлшеп, жасыра алатындығын қарастырамыз; және біз сенімді тексеру-калибрлеу жүйесі неліктен AI сенімді ететінін көреміз.
Белгісіздік көздері
Геофизикалық белгісіздік бірнеше қабаттардан туындайды:
- Деректер белгісіздігі: өлшеу шуы, шектеулі қамту, калибрлеу қатесі.
- Модельдің белгісіздігі (полисемия): бір деректерге бірнеше жер қойнауының құрылымын сәйкестендіру.
- Әдіс/параметр белгісіздігі: өңдеу, инверсия және реттеу таңдаулары нәтижені өзгертеді.
- Жасанды интеллектке тән белгісіздік: модельдің сенімді болып қалу қабілеті, бірақ ол жаттығуды таратудан тыс (тарату ауысымы) ауысқанда сәтсіздікке ұшырайды.
Жақсы геофизиктің жұмысы бұл белгісіздікті жою емес, оны өлшеу, хабарлау және тарылту. AI мұны жеңілдете алады (бірнеше сценарийлер жасайды), бірақ бір сенімді жауап беру арқылы оны оңай жасыра алады.
Белгісіздікті өлшеу тәсілдері
Бірнеше практикалық құралдар:
- Ансамбль: әртүрлі бастаулары, параметрлері немесе үлгілері бар бірнеше жүгіріс; Нәтижелердің таралуы белгісіздік береді.
- Сезімталдық талдауы: кірісті өзгерту (параметр, деректер жиыны) және нәтиженің қаншалықты өзгеретінін көру.
- Айқас тексеру: Мәліметтерді бөліктерге бөлу, бір бөлігімен жаттықтыру, екіншісімен тестілеу; Жалпылау күшін өлшейді.
- Соқыр сынақ: Модельді жаттығуда ешқашан көрмеген тәуелсіз ұңғымамен/алаңмен сынау.
- Ықтималды нәтиже: нәтижені бір мән емес, үлестіру/сенім аралығы ретінде беру.
Кеңес: AI нәтиже бергенде, әрқашан сұраңыз: «Бұл нәтижені өзгерту үшін енгізуде нені және қанша жылжытуым керек?» Егер нәтиже шамалы параметр өзгерісімен кері болса, бұл нәтиже нәзік және белгісіздік жоғары болады.
Калибрлеу: сенімділік көрсеткіші дұрыс па?
AI үлгілері жиі сенімділік/ықтималдық береді («90% қате»). Бірақ бұл сан, егер ол калибрленбесе, жаңылыстырады: модель шын мәнінде дұрыс, мүмкін 60% жағдайда, ол «90%» деп айтады. Калибрлеу бұл санды нақты нәтиже жылдамдығына теңестіру болып табылады. Практикада сенімділік диаграммасы сызылады: жақсы калибрленген модель «90%» деген кезде шынымен 90% дұрыс. Геофизикада AI сенімділік көрсеткішін шешім қабылдауға негіз болмас бұрын тәуелсіз деректермен калибрлеу өте маңызды.
Абайлаңыз: Жоғары дәлдік жақсы калибрлеумен бірдей емес. Модель әдетте дәл, бірақ тым сенімді болуы мүмкін; Сыни шешімдердегі маңызды нәрсе - ол «95%» деген кезде шынымен сенімді болады. Калибрленбеген сенімділік ұпайын ықтималдық ретінде қарастырмаңыз.
Тексерудің алтын ережелері
Мықты тексеру үшін: (1) Тәуелсіздік — сынақ деректері оқыту/баптау процесіне мүлде кедергі жасамауы керек (деректер ағып кетуі — нәтижені арттырады). (2) Соқыр сынақ — үлгі көрмейтін өріс/ұңғыма. (3) Физикалық үйлесімділік - нәтиже физика мен геологияға қайшы келмеуі керек. (4) Репродуктивтілік — бірдей кіріспен бірдей нәтиже және оны басқа біреу жасай алады. (5) Құжаттама — қандай деректердің, қандай параметрдің, қандай үлгі нұсқасы пайдаланылғанын жазу.
үш шағын іс
1-жағдай – Деректер ағып кету қателігі. Бір топ фациялық классификатор 94% дәлдік бергенін хабарлады. Тергеу көрсеткендей, бір ұңғымадағы көрші сынамалар оқуға да, сынауға да қатысқан (деректер ағып кету). Ұңғымалар бойынша бөлгенде, дәлдік 71% -ға дейін төмендеді - бұл нағыз жалпылау болды. Ағып кету модельді бұрынғыдан жақсырақ етіп көрсетті.
2-жағдай – тым сенімді модель. Бір ақау детекторы оның белгілеріне «95% сенімділік» берді. Сенімділік диаграммасы «95%» белгілерінің шын мәнінде 70% дәл екенін көрсетті. Модель калибрленгеннен кейін сенімділік ұпайлары шынайы болды және комментаторлар әрбір белгіге қаншалықты сенетінін дұрыс реттеді.
3-жағдай — Нәзік инверсия. Гравитациялық модель өте сенімді көрінді. Сезімталдық талдауы регуляризация салмағы 20%-ға өзгерген кезде негізгі құрылымның жоғалып кеткенін көрсетті: құрылым деректерден емес, параметрді таңдаудан шыққан. Топ құрылымды «сенім деңгейі төмен» деп белгілеп, қосымша деректерді сұрады.
Көшірілетін төрт үлгі
1) Белгісіздікті өлшеу жоспары:
Сіздің рөліңіз: геофизикалық белгісіздік бойынша кеңесші. Менде [инверсия/классификация/болжау] нәтижесі бар. Белгісіздікті өлшеу үшін қандай әдістерді (ансамбль, сезімталдық, кросс-валидация, соқыр тест) қолданамын және қандай ретпен? Әрқайсысы маған не айтатынын және нәтижені қалай хабарлау керектігін түсіндіріңіз.
2) калибрлеуді тексеру:
Менің AI моделім сенімділік/ықтималдық ұпайын береді. Бұл ұпайдың калибрленгенін қалай тексеремін? Сенімділік диаграммасын қалай құруға болады, «артық сенімділік» немесе «шамадан тыс сақтық» танылады және ұпайды нақты нәтиже көрсеткішіне сәйкестендіремін?
3) Деректер ағып кету аудиті:
Мен геофизикалық классификаторды дайындадым. Деректердің ағып кету қаупін қалай табуға және болдырмауға болады (оқытуға да, сынаққа да кіретін бірдей ұңғыма/далалық үлгілер)? Ұңғыма/өріс бойынша бөлуді қалай орнатуға болады? Мәлімделген дәлдік шынайы жалпылауды көрсететінін қалай білуге болады?
4) Нәтижелердің сынғыштығын тексеру:
Менде инверсия/модель нәтижесі бар. Мен бұл нәтиженің қаншалықты нәзік екенін түсінгім келеді. Қандай параметрлерді өзгерту арқылы негізгі құрылым қанша өзгереді? Құрылым деректерден немесе параметрлерден/жайдан келетінін қалай ажыратуға болады? Сезімталдық протоколын беріңіз.
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Менің үлгісімнің дәлдігі жоғары екенін қараңыз.
Жалғыз ақиқат саны; ағып кету калибрлеуді және жалпылауды жасырады, жалған сенімділік береді.
Күшті шақыру:
Сіздің рөліңіз: үлгіні тексеру бойынша сарапшы. Енгізу: [классификатор N ұңғысын жасайды, сенімділік ұпайлары]. Тапсырма: (1) деректердің ағып кетуіне қарсы жақсы негізделген бөлуді ұсыну; (2) соқыр ұңғымаларды сынауды орнату; (3) сенімділік диаграммасымен сенімділік көрсеткішін калибрлеу; (4) нәтиженің параметрге қаншалықты сезімтал екенін тексеріңіз. Бір ақиқат санына келтіру; Жалпылау, калибрлеу және сынғыштық туралы бөлек есеп беріңіз.
Ағып кету, соқыр сынақ, калибрлеу және сезімталдық сұрауы тексеруді шынайы етеді.
Белгісіздік құралдары
көлік
Ол нені өлшейді?
Негізгі тәуекел
шығару
ансамбль
Модельді тарату
Шот құны
Ауқым/таралу
Сезімталдық
Параметр эффектісі
Қабылданбаған енгізу
Сынғыштық
айқас валидация
жалпылау
деректердің ағып кетуі
шынайы дәлдік
соқыр сынақ
тәуелсіз табыс
Тест жинағы жеткіліксіз
сенім
Калибрлеу
шындыққа сену
шектен тыс сенімділік
теңестірілген ықтималдық
Жалпы қателер
- Деректердің ағып кетуін байқамау. Ол әділдікті арттырады; Ұңғыма/алаң бойынша бөліңіз.
- Сенімділік көрсеткішін калибрлеусіз пайдалану. «90%» шын мәнінде 90% болмауы мүмкін.
- Жалғыз ақиқат санына сүйену. Жалпылау және калибрлеу екі түрлі нәрсе.
- Осалдықты сынамау. Параметр бойынша жоғалған құрылым нақты ақпарат емес.
- Белгісіздік туралы хабарламау. Нәтижені сенімділік интервалынсыз ұсыну жаңылыс.
Қысқаша айтқанда
Белгісіздік – геофизиканың жойылмайтын фактісі; жұмыс оны өлшеу, хабарлау және оны қысқарту. AI мұны ансамбльмен, сезімталдықпен және ықтималдықпен жеңілдетеді, бірақ оны бір сенімді жауаппен жасыра алады. Мықты жақтау; деректердің ағып кетуін болдырмау, соқыр тестілеу арқылы жалпылауды өлшеу, сенімділік ұпайын калибрлеу және нәтиженің нәзіктігін тексеру. Калибрленбеген сенім, тексерілмеген шындық және жасырын белгісіздік - ең қауіпті үш иллюзия. Сенімді геофизика – өзінің белгісіздігін шынайы түрде көрсететін геофизика.
Қолданбалы тапсырма
AI геофизикалық нәтижесін таңдаңыз (жіктеу, инверсия немесе болжау). «Белгісіздікті өлшеу жоспары» үлгісімен ансамбль/сезімталдық/соқыр сынақ қадамдарын жоспарлаңыз. Содан кейін «Деректердің ағып кетуін тексеру» үлгісімен пойыз сынағы айырмашылығын тексеріңіз. Модель сенімділік бағасын берсе, «Калибрлеуді тексеру» үлгісімен баллдың шынайы екендігін бағалаңыз және нәтижені сенімділік интервалымен жазыңыз.
бақылау парағы
- [ ] Ансамбль/сезімталдықпен белгісіздікті өлшедім.
- [ ] Мен деректердің ағып кетуін ұңғыма/өріс негізінде бөлу арқылы болдырдым.
- [ ] Мен жалпылауды соқыр тест арқылы тексердім.
- [ ] Мен сенімділік көрсеткішін калибрлеп, оның шынайылығын тексердім.
- [ ] Мен нәтижені бір мәнмен емес, сенімділік интервалымен хабарладым.