Пайдалар:
- Ансамбль, сезгичтикти талдоо, кайчылаш текшерүү жана сокур тестирлөө менен белгисиздикти өлчөө жана билдирүү мүмкүнчүлүгү
- Маалыматтын агып кетишин скважина/талаа негизинде бөлүү менен алдын алуу жана билдирилген тактык чыныгы жалпылоону чагылдырышын камсыз кылуу мүмкүнчүлүгү.
- Ишенимдүүлүк диаграммасы менен жасалма интеллекттин ишеним упайын калибрлөө жана калибрленбеген баллды ыктымалдык катары колдонбоо тартибин колдонуу мүмкүнчүлүгү
Бул модулдун ар бир бөлүмүндө кайталануучу тема бар: геофизикада "ишенимдүү жооптор" жок, бир гана белгисиздик менен чектелген моделдер. Бул бөлүм ошол теманы дисциплинага айлантат. Моделдин белгисиздиги – бир эле маалыматтарды түшүндүрө ала турган жана ар бир моделдин ишеним аралыгы бар жер астындагы ар кандай моделдердин болушу. Валидация - бул моделдин же AI чыгаруунун чындыгында жарактуулугун көз карандысыз далилдер менен текшерүү. Калибрлөө модель тарабынан берилген ишеним / ыктымалдык баалуулуктары чыныгы натыйжаларга дал келүүсүн камсыз кылуу болуп саналат. Бул бөлүмдө биз жасалма интеллекттин (AI) белгисиздикти кантип өлчөй жана жашыра аларын карап чыгабыз; жана биз эмне үчүн бекем текшерүү-калибрлөө алкагы AI ишенимдүү кылаарын көрөбүз.
Белгисиздиктин булактары
Геофизикалык белгисиздик бир нече катмардан келип чыгат:
- Маалыматтын белгисиздиги: Өлчөө ызы-чуу, чектелген камтуу, калибрлөө катасы.
- Моделдин белгисиздиги (полисемия): Бир эле маалыматтарга бирден ашык жер астындагы түзүлүштөрдү тууралоо.
- Метод/параметрдин белгисиздиги: иштетүү, инверсия жана регуляризациялоо тандоосу натыйжаны өзгөртөт.
- AIга мүнөздүү белгисиздик: моделдин өзүнө ишенимдүү бойдон калуу жөндөмү, бирок ал окутуунун бөлүштүрүлүшүнөн (бөлүштүрүү нөөмөтүнүн) сыртка чыкканда ийгиликсиз болуп калат.
Жакшы геофизиктин иши бул белгисиздикти жоюу эмес, аны өлчөө, байланышуу жана тарытуу. AI муну жеңилдете алат (бир нече сценарийди жаратат), бирок бир эле ишенимдүү жоопту чыгаруу менен аны оңой эле жашыра алат.
Белгисиздикти өлчөө жолдору
Бир нече практикалык куралдар:
- Ансамбль: Ар кандай старттар, параметрлер же моделдер менен бир нече чуркоо; Натыйжалардын жайылышы белгисиздикти берет.
- Сезимталдуулук анализи: Киргизүүнү (параметрди, берилиштердин топтомун) өзгөртүү жана натыйжанын канчалык өзгөрүшүн көрүү.
- Кайчылаш текшерүү: маалыматтарды бөлүктөргө бөлүү, бир бөлүгү менен машыгуу жана экинчи бөлүгү менен тестирлөө; Жалпылоо күчүн өлчөйт.
- Сокур тест: Моделди окутууда эч качан көрбөгөн көз карандысыз кудук/талаа менен сынап көрүү.
- Ыктымал натыйжа: Натыйжаны жалгыз маани эмес, бөлүштүрүү/ишеним аралыгы катары берүү.
Кеңеш: AI натыйжа бергенде, ар дайым сураңыз: "Бул жыйынтыкты өзгөртүү үчүн киргизүүдө эмне жана канча жылышым керек?" Натыйжа кичинекей параметрдин өзгөрүшү менен тескери болсо, ал натыйжа морт жана белгисиздик жогору болот.
Калибрлөө: ишеним баллы туурабы?
AI моделдери көп учурда ишенимди / ыктымалдуулукту берет («90% күнөө»). Бирок бул сан калибрленбесе, жаңылыштырат: модель чындыгында туура, балким, 60% учурларда "90%" деп айткан. Калибрлөө бул санды реалдуу натыйжа ылдамдыгына тууралоо болуп саналат. Практикада ишенимдүүлүк диаграммасы түзүлөт: жакшы калибрленген модель "90%" деп айтканда, чындап эле 90% туура болот. Геофизикада AI ишеним баллын чечим кабыл алуудан мурун көз карандысыз маалыматтар менен калибрлөө керек.
Абайлаңыз: Жогорку тактык жакшы калибрлөө менен бирдей эмес. Модель жалпысынан так, бирок өтө ишенимдүү болушу мүмкүн; Критикалык чечимдерди кабыл алууда маанилүү нерсе, ал "95%" деп айтканда, чындап ишенимдүү болот. Калибрленбеген ишеним упайына ыктымалдык катары мамиле кылбаңыз.
Текшерүүнүн алтын эрежелери
Күчтүү текшерүү үчүн: (1) Көз карандысыздык — тесттик маалыматтар окутуу/тюнинг процессине такыр тоскоол болбошу керек (маалыматтын агып чыгышы — натыйжаны жогорулатат). (2) Сокур сыноо — модель көрбөгөн талаа/кудук. (3) Физикалык ырааттуулук — натыйжа физикага жана геологияга карама-каршы келбеши керек. (4) Репродуктивдүүлүк - ошол эле киргизүү менен бир эле натыйжа жана башка бирөө тарабынан өндүрүлүшү мүмкүн. (5) Документация — кандай маалыматтар, кайсы параметр, кайсы моделдин версиясы колдонулганын жазуу.
үч мини учурлар
1-жагдай - Маалыматтын агып кетишинин жаңылышы. Бир команда facies классификатору 94% тактык бергенин билдирди. Иликтөө көрсөткөндөй, бир эле скважинадан кошуна үлгүлөр окутууга да, сыноого да тартылган (маалыматтын агып кетиши). Кудуктар боюнча бөлгөндө, тактык 71% га төмөндөдү - бул чыныгы жалпылоо. Ачуу моделди мурункудан жакшыраак кылып көрсөттү.
2-жагдай - Өзүнө ашыкча ишенген модель. Бир ката детектору анын белгилерине "95% ишеним" берди. Ишенимдүүлүк диаграммасы "95%" белгилери чындыгында 70% так экенин көрсөттү. Модель калибрленгенден кийин, ишеним упайлары реалдуу болуп калды жана комментаторлор ар бир белгиге канчалык ишенерин туура тууралашты.
3-жагдай - Морт инверсия. Тартылуу модели абдан ишенимдүү көрүндү. Сезимталдуулуктун анализи көрсөткөндөй, регуляризация салмагы 20%га өзгөргөндө негизги структура жоголуп кеткен: структура маалыматтардан эмес, параметр тандоодон келип чыккан. Команда структураны "ишеним төмөн" деп белгилеп, кошумча маалыматтарды сураган.
Көчүрүү үчүн төрт шаблон
1) Белгисиздикти өлчөө планы:
Сиздин ролуңуз: геофизикалык белгисиздик боюнча кеңешчи. Менде [инверсия / классификация / божомол] натыйжасы бар. Белгисиздикти өлчөө үчүн кайсы ыкмаларды (ансамбль, сезгичтик, кайчылаш текшерүү, сокур тест) колдоном жана кандай тартипте? Ар бири мага эмне дейт жана натыйжаны кантип кабарлоо керектигин түшүндүрүңүз.
2) калибрлөө текшерүү:
Менин AI моделим ишеним / ыктымалдуулук упайын берет. Бул баллдын калибрленгендигин кантип текшерем? Кантип мен ишенимдүүлүк диаграммасын түзөм, "ашыкча ишеничти" же "өтө этияттыкты" таанып, упайды иш жүзүндөгү натыйжага тегиздөө керек?
3) Маалыматтын агып кетишинин аудити:
Мен геофизикалык классификаторду даярдадым. Маалыматтын агып кетүү коркунучун кантип таап, алдын алсам болот (бир эле скважина/талаа үлгүлөрү окууга да, тестирлөөгө да кирет)? Кудук/талаа боюнча бөлүүнү кантип орнотом? Маалыматтын тактыгы чыныгы жалпылоону чагылдырарын кантип билем?
4) Натыйжалардын морттугун текшерүү:
Менде инверсия/моделдин натыйжасы бар. Мен бул жыйынтык канчалык морт экенин түшүнгүм келет. Кайсы параметрлерди өзгөртүү менен жана негизги структура канчалык өзгөрөт? Түзүмдүн маалыматтардан же параметрлерден/жайдан келгенин кантип айырмалай алам? Сезимталдуулук протоколун бериңиз.
Алсыз тездик / Күчтүү тездик
Алсыз билдирүү:
Менин моделимдин тактыгы жогору болсо, караңыз.
Жалгыз чындык саны; агып калибрлөө жана жалпылоону жашырып, жалган ишенимди берет.
Күчтүү билдирүү:
Сиздин ролуңуз: моделди текшерүү боюнча адис. Киргизүү: [классификатор N жакшы жаратат, ишеним упайлары]. Милдет: (1) маалыматтардын агып кетишине каршы так негизделген бөлүштүрүүнү сунуштоо; (2) сокур скважиналарды сыноону орнотуу; (3) ишенимдүүлүк көрсөткүчүн ишенимдүүлүк диаграммасы менен калибрлөө; (4) натыйжанын параметрге канчалык сезимтал экенин текшериңиз. Бир чындык санына кыскартуу; Жалпылоо, калибрлөө жана морттук жөнүндө өзүнчө кабарлаңыз.
Агышуу, сокур тестирлөө, калибрлөө жана сезгичтик өтүнүчү текшерүүнү чынчыл кылат.
Белгисиздик куралдары
транспорт
Ал эмнени өлчөйт?
Негизги тобокелдик
чыгаруу
ансамбль
Моделди жайылтуу
Эсеп наркы
Диапазон/бөлүштүрүү
Сезимталдуулук
Параметр эффектиси
Өткөрүлгөн киргизүү
Морттук
кайчылаш текшерүү
жалпылоо
маалыматтардын агып кетиши
реалдуу тактык
сокур сыноо
көз карандысыз ийгилик
Сыноолордун топтому жетишсиз
ишеним
Калибрлөө
чындыкка ишенүү
ашыкча ишенүү
теңдештирилген ыктымалдуулук
Жалпы каталар
- Маалыматтын агып кетишин байкабай. Ал адилдикти көбөйтөт; Кудук/талаа менен бөлүү.
- Ишеним баллын калибрлөөсүз колдонуу. "90%" чындыгында 90% болбошу мүмкүн.
- Жалгыз чындык санына таянуу. Жалпылоо жана калибрлөө эки башка нерсе.
- Алсыздыкты текшерүү эмес. Параметр менен жоголгон структура реалдуу маалымат эмес.
- Белгисиздикти билдирбейт. Ишеним аралыгы жок жыйынтыкты көрсөтүү адашуу.
Кыскача айтканда
Белгисиздик – геофизиканын жоюлгус фактысы; иш аны өлчөө, билдирүү жана аны тарытуу. AI муну ансамбль, сезгичтик жана ыктымалдык натыйжасы менен жеңилдетет, бирок бир гана ишенимдүү жооп менен аны жашыра алат. катуу кадр; маалыматтардын агып кетишинин алдын алуу, жалпылоону сокур тестирлөө менен өлчөө, ишеним упайын калибрлөө жана натыйжанын морттугун текшерүү. Калибрленбеген ишеним, текшерилбеген чындык жана жашыруун белгисиздик үч эң коркунучтуу иллюзия. Ишенимдүү геофизика – бул өзүнүн белгисиздигин чынчылдык менен көрсөткөн геофизика.
Колдонмо тапшырмасы
AI геофизикалык натыйжасын тандаңыз (классификация, инверсия же болжолдоо). "Белгисиздикти өлчөө планы" шаблону менен ансамбль/сезимдүүлүк/сокур тестирлөө кадамдарын пландаштырыңыз. Андан кийин "Маалыматтын агып кетишинин аудити" шаблону менен поезд-тест айырмаңызды сынап көрүңүз. Модель ишеним упай берсе, "Калибрлөө текшерүү" шаблону менен баллдын реалдуу экенине баа бериңиз жана натыйжаңызды ишеним интервалы менен жазыңыз.
текшерүү тизмеси
- [ ] Мен ансамбль/сезгичтик менен белгисиздикти ченедим.
- [ ] Мен маалыматтардын агып кетишин скважина/талаа негизинде бөлүү менен алдын алдым.
- [ ] Мен жалпылоону сокур тест менен сынап көрдүм.
- [ ] Мен ишеним эсебин калибрлеп, анын реалдуулугун текшердим.
- [ ] Мен жыйынтыкты бир маани менен эмес, ишеним аралыгы менен билдирдим.