مقدمة للذكاء الاصطناعي في هندسة التعدين: الحدود والتحقق والمسؤولية والأخلاق

المكاسب:

• القدرة على التمييز بين الأماكن التي يوفر فيها الذكاء الاصطناعي الوقت الفعلي في سير عمل هندسة التعدين والأماكن التي يجب أن تظل المسؤولية الحرجة المتعلقة بالسلامة فيها على عاتق المهندس المختص، اعتمادًا على مستوى المخاطر
• القدرة على تنفيذ نظام التحقق متعدد الطبقات الذي يختبر كل مخرجات الذكاء الاصطناعي مقابل الحسابات القياسية والمستقلة والقياس الميداني
• القدرة على إخفاء هوية السياق واكتساب عادة اختيار المركبات الآمنة لحماية البيانات الاحتياطية ومعلومات الترخيص وبيانات الموظفين / الإنتاج

تتمثل مهمة مهندس التعدين في سد حالة عدم اليقين الموجودة تحت الأرض مع القرارات الموجودة فوق الأرض. تقدير الجسم الخام من بيانات الحفر وحساب الاحتياطي وتخطيط الحفرة وإدارة أسطول المعدات ومراقبة سلوك المنحدرات وضمان السلامة المهنية وقياس الأثر البيئي والإبلاغ عن كل ذلك وفقًا للتشريعات. والقاسم المشترك بين هذه الوظائف هو أنها تعمل بعدد كبير من القياسات والبيانات، لكن كل قرار يترتب عليه خسارة حياة البشر واستثمارات بملايين الليرات وعواقب بيئية لا رجعة فيها في الميدان. يعد الذكاء الاصطناعي (اختصارًا الذكاء الاصطناعي؛ الأنظمة البرمجية التي تعمل على النصوص والأرقام والصور باستخدام البيانات الضخمة ونماذج اللغة) أداة مساعدة قوية في هذا المجال الذي يتطلب بيانات مكثفة ولكنه حاسم لاتخاذ القرارات. تعلمك هذه الوحدة مكان استخدام الذكاء الاصطناعي بأمان في التعدين، وأين يكون ذلك خطيرًا، ولماذا يتعين عليك التحقق من صحة كل مخرجات الذكاء الاصطناعي وفقًا للمعايير والقياس الميداني والحكم الهندسي.

المبدأ الأساسي الذي ستستخدمه خلال هذه الوحدة هو: الذكاء الاصطناعي هو مساعد، وليس صانع قرار. لا تصبح قيمة الدرجة (نسبة المعدن في الخام)، أو زاوية الانحدار، أو الرقم الاحتياطي، أو حد الأمان، أو المادة التشريعية صحيحة لمجرد أن "الذكاء الاصطناعي قال ذلك"؛ وهي مجرد فرضية حتى يتم التحقق منها بالقياس والمرجع والرأي الهندسي المختص. سترى هذه الجملة مرة أخرى في كل وحدة من الوحدة، لأنه في التعدين، غالبًا ما يعني الرقم الخاطئ انهيار استثمار، أو انهيار منحدر، أو إصابة شخص.

ما هو LLM وماذا يفعل في التعدين؟

LLM (نموذج اللغة الكبيرة) هو برنامج يتعلم الأنماط من أجزاء كبيرة جدًا من النص ويتنبأ بـ "الكلمة التالية" بناءً على الاحتمالية. هذا هو محرك أدوات مثل ChatGPT وClaude وGemini. النقطة المهمة هي أن LLM هي "مُقدِّر لغة"، وليست "قاعدة معرفية". يتحدث مصطلحات التعدين بطلاقة، لكنه لا يقيس الدرجة؛ ينتج الرقم الذي يبدو على الأرجح. لذلك، قد يقدم هو أو هي إجابات واثقة ولكنها غير صحيحة حول متوسط ​​الدرجة، أو معدل التجريد، أو بند تنظيمي، أو حد متفجر. وهذا ما يسمى الهلوسة (التلفيق). الهلوسة ليست خللاً، بل هي سمة متأصلة في هذه التكنولوجيا؛ ولذلك، فإن التحقق ليس "خطوة إضافية" ولكنه جزء لا يتجزأ من الوظيفة.

المهام التي يكون فيها الذكاء الاصطناعي قوياً في التعدين:

• شرح المفهوم وتعليمه: ما هو المتغير، وكيف تعمل قاعدة الرافعة المالية، وكيف يحدث تصريف المناجم الحمضية.
• تنظيف البيانات وتنظيمها: تحويل سجلات الحفر المتناثرة إلى جدول متماسك، والتقاط عدم تطابق الوحدة.
• إنشاء قائمة من الفرضيات: إدراج الأسباب المحتملة لانخفاض الإنتاج بشكل منهجي.
• الترميز: تنظيف البيانات، والرسوم البيانية، والإحصاء الجغرافي، والنصوص البرمجية لتحليل الشذوذ باستخدام بايثون.
• مسودة النص: JSA (تحليل السلامة المهنية)، تقرير المراقبة البيئية، مسودة العطاء/المواصفات الفنية.
• العصف الذهني: مقارنة السيناريوهات، أفكار خطة التجربة/القياس.

حيث يكون الذكاء الاصطناعي ضعيفًا ومحفوفًا بالمخاطر:

• إعطاء قيمة عددية دقيقة (الدرجة، الاحتياطي، زاوية الانحدار، القيمة الحدية).
• التشريعات الحالية والمحددة/المادة القياسية ومعلومات الإصدار.
• التشخيص بدون بيانات القياس الفعلية لموقعك.
• القرار الحاسم للسلامة: الموافقة على تصميم الانفجار، وقرار الإخلاء، وإمكانية الخدمة.

التصنيف على أساس المخاطر: التصفية قبل استخدام الذكاء الاصطناعي

ليست كل مهمة على نفس مستوى المخاطرة. قم بتصنيف المهمة حسب مستوى المخاطرة قبل استخدام الذكاء الاصطناعي. يوفر الجدول أدناه إطار عمل القرار الذي ستستخدمه خلال هذه الوحدة.

مستوى المخاطر

مهمة عينة

دور الذكاء الاصطناعي

التحقق الإلزامي

منخفض

شرح المفهوم، مسودة النص، الهيكل العظمي للكود

الاستخدام المجاني

المراجعة كافية

متوسطة

تنظيف البيانات، قائمة الفرضيات، إعداد الحساب

مسودة/مؤلف مشارك

التحكم اليدوي + تأكيد المصدر

عالية

تقدير الاحتياطي، حد الحفرة، معلمة التفجير

مولد الفكرة

معيار + قياس المجال + البرمجيات

حرجة

قرار الإخلاء، وسلامة المنحدرات، وقرار صلاحية الخدمة/الملاءمة

مسودة/مسح ضوئي فقط

موافقة المهندس المختص + اختبارات معتمدة

نصيحة: إذا قمت بوضع علامة على مهمة على أنها "حرجة"، فإن مخرجات الذكاء الاصطناعي لن تكون المستند النهائي أبدًا. على الأكثر، يمكن أن تكون مسودة أولية أو قائمة مرجعية؛ ويتولى المهندس المختص التوقيع والمسؤولية.

التدفق الشامل: دمج الذكاء الاصطناعي في سير عملك

تسير دورة حل المشكلات النموذجية في التعدين على هذا النحو، حيث يشارك الذكاء الاصطناعي في كل خطوة ولكن لا يغلق أيًا منها بمفرده:

1. تحديد المشكلة: ما الذي يجب التنبؤ به، ما هو القرار الذي يجب اتخاذه، ما هو القيد الموجود؟ (منظمة العفو الدولية: يوضح السؤال.)
2. جمع البيانات وتنظيفها: بيانات الحفر والإنتاج والمراقبة والمختبر. (الذكاء الاصطناعي: قوي في التنظيف والتحقق من عدم الاتساق.)
3. توليد الفرضيات/السيناريوهات: الأسباب المحتملة، والخطط البديلة. (الذكاء الاصطناعي: ينتج قائمة منهجية.)
4. التحليل: الحساب، الإحصاء الجغرافي، النموذج، معالجة الصور. (الذكاء الاصطناعي: يُنشئ التعليمات البرمجية والحسابات الخيالية.)
5. التحقق: قياسي، ميداني، حساب مستقل، برنامج. (الذكاء الاصطناعي على الهامش، والبشر والقياس هم من يقررون).
6. تقرير وقرار: المهندس المختص يتحمل المسؤولية. (منظمة العفو الدولية: كاتب المسودة.)

ضع هذه الخطوات الست في الاعتبار؛ توضح لك بقية الوحدة كيفية استخدام الذكاء الاصطناعي في مهام التعدين الملموسة، خطوة بخطوة.

ثلاث حالات صغيرة

الحالة 1 - متوسط الدرجة المعدلة. يسأل أحد المتدربين أداة الدردشة المدعمة بالذكاء الاصطناعي عن متوسط ​​درجة مشروع النحاس؛ يقول الذكاء الاصطناعي "حوالي 0.65% من النحاس". يضع المتدرب هذا في عرض الاستثمار. ومع ذلك، لم يطلع الذكاء الاصطناعي على بيانات حفر واحدة لهذا المشروع؛ أنتجت رقمًا نموذجيًا لـ "مشروع النحاس". القيمة الحقيقية تأتي فقط من بيانات الحفر المركبة الخاصة بالمشروع والتقديرات الإحصائية الجغرافية. القيمة الحقيقية في هذا المشروع هي 0.38%. الفرق هو الفرق بين الاستثمار الذي يبدو مربحًا وبين الخسارة. الموقف الصحيح هو عدم "السؤال" أبدًا عن درجة الذكاء الاصطناعي، ولكن احسبها من قاعدة البيانات الخاصة بك.

الحالة 2 - بند تنظيمي غير موجود. يسأل أحد المهندسين الذكاء الاصطناعي عن الحد الأقصى للاهتزاز الأرضي (PPV: سرعة الجسيمات القصوى، مم/ثانية) المسموح به في التفجير. يقول الذكاء الاصطناعي "10 مم/ثانية وفقًا للوائح" ويشكل رقم العنصر. ويقوم المهندس بكتابة التقرير وفقاً لذلك. أثناء الفحص تبين أن رقم العنصر غير حقيقي وتختلف القيمة الحدية حسب المسافة ونوع المبنى. والموقف الصحيح هو فتح اللائحة الحالية من المصدر الرسمي والتأكد من قيمتها ومضمونها. حتى لو كان الذكاء الاصطناعي يعرف اسم اللائحة بشكل صحيح، فقد يهلوس برقم المادة.

الحالة 3 - الاستخدام الصحيح. يشتبه أحد الجيولوجيين في وجود تناقض في عمود الدرجة في مجموعة بيانات مكونة من 40 بئرًا. إنه يخبر الذكاء الاصطناعي "بإدراج الصفوف في هذا الجدول التي قد تحتوي على تناقضات في الوحدة، وقيم سلبية، وقيم متطرفة مرئية، وخلايا فارغة، وكتابة ما تشك فيه لكل منها؛ لا تصحح، فقط ضع علامة." يقوم الذكاء الاصطناعي بوضع علامات على بضعة أسطر ممزوجة بنسبة % ممزوجة بجزء في المليون ودرجتين سلبيتين وقيمة رمز 999. يقوم الجيولوجي بفحص هذه الأخطاء وتصحيحها واحدًا تلو الآخر من السجلات الأولية. هنا تم استخدام الذكاء الاصطناعي بشكل صحيح: جذب الانتباه، واتخاذ الإنسان القرار والتصحيح.

قوالب سريعة قابلة للنسخ

يمكنك استخدام النماذج أدناه عن طريق تكييفها مع عملك الخاص. في كل منها، هناك تعليمات واعية "لإعطاء رقم دقيق، والإشارة إلى المصدر، وشرح عدم اليقين".

نموذج الدور والحدود "الدور: أنت مساعد مهندس تعدين ذو خبرة. المهمة: [اكتب الموضوع]. القواعد: عند إعطاء القيمة العددية الدقيقة (الدرجة، الاحتياطي، الحد)، حدد المصدر؛ إذا لم تكن متأكدًا، قل "يجب التحقق منه". إذا أعطيت مادة تنظيمية/معيارية، فامنحها مع نسختها، ولكن ذكّر أنه يجب تأكيدها من المصدر الرسمي. في نهاية الإجابة، اكتب "ما يجب التحقق منه حسب الحقل" "القياس/الحساب" بندًا بندًا."

نموذج إنشاء الفرضية"قم بإنتاج قائمة منهجية للأسباب المحتملة للموقف التالي: [وصف الموقف؛ ما تمت ملاحظته، ما هي البيانات المتاحة]. لكل فرضية: (1) ما الأدلة التي تدعمها، (2) ما القياس أو الحساب الذي يجب إجراؤه لتأكيدها أو دحضها. قم بإجراء تشخيص نهائي؛ قم بإعداد خارطة طريق للتحقيق."

نموذج قائمة التحقق "أدرج كل قيمة رقمية وكل مرجع تنظيمي/معياري في مسودة التقرير أدناه. لكل منها، حدد المصدر (بيانات الحفر الذاتي، النص التنظيمي، تقرير المختبر، المسح الميداني) التي يجب التحقق منها. اجمع تلك ذات الأصل غير المؤكد تحت عنوان "لا يمكن استخدامها دون التحقق". النص: [لصق]."

نموذج التحقق المسبق لإخفاء الهوية "قبل إعطاء النص التالي لأداة الذكاء الاصطناعي، قم بوضع علامة على الأسرار التجارية أو الأجزاء الشخصية/التنظيمية الحساسة: أرقام الاحتياطي، ورقم الترخيص، والإحداثيات الفعلية، وأسماء العملاء/الموظفين، وبيانات التكلفة السرية. اقترح كيف يمكنني إخفاء هوية هذه الأجزاء. النص: [لصق]."

موجه ضعيف / موجه قوي

إن طرح نفس السؤال بطريقتين سيؤدي إلى نتائج مختلفة تمامًا.

مطالبة ضعيفة: "كم يبلغ احتياطي هذا المنجم؟"

مطالبة قوية: "الدور: أنت جيولوجي الموارد المساعد. اشرح الخطوات التي يجب أن يمر بها تقدير الاحتياطي/الموارد (التركيب، والتباين، والتصنيف، والحد الاقتصادي) وأي البيانات وأي شخص مختص يتطلب موافقة في كل خطوة. لا تعطي رقمًا احتياطيًا دقيقًا؛ وشدد على أنه لا يمكن حساب ذلك إلا من بيانات المشروع الخاصة ويجب الإبلاغ عنه في إطار كود مثل JORC/UMREK."

المطالبة الضعيفة تدعو الذكاء الاصطناعي إلى التعويض؛ يبقيه الموجه القوي في الوظيفة الصحيحة (وصف العملية) ويمنع حدوث الهلوسة الرقمية في المقام الأول.

الأخطاء الشائعة

• "مطالبة" الذكاء الاصطناعي بأرقام خاصة بالدورة التدريبية مثل الدرجة والاحتياطي وما إلى ذلك. الذكاء الاصطناعي لا يعرف بياناتك؛ يتم حساب هذه الأرقام فقط من قاعدة البيانات الخاصة بك.
• استخدام التشريع/البند القياسي دون تأكيده. كثيرًا ما يتم الهلوسة برقم العنصر وقيمته.
• تأسيس القرار الحاسم للسلامة على مخرجات الذكاء الاصطناعي. يتم اتخاذ قرارات الإخلاء واعتماد التفجير وصلاحية الخدمة من قبل المهندس المختص.
• لصق البيانات الحساسة في الأداة السحابية دون إخفاء هويتها. تعتبر بيانات الاحتياطي والتنسيق والتكلفة من الأسرار التجارية.
• في انتظار سؤال واحد وإجابة واحدة. استخدم الذكاء الاصطناعي بشكل متكرر: قم بإنشاء المسودات والنقد والتحقق والتصحيح.

تنبيه: كلما ظهر رقم أكثر دقة وثقة في مخرجات الذكاء الاصطناعي، زادت الحاجة إلى التحقق. الدقة ليست ضمانا للدقة.

باختصار

لقد رأيت في هذه الوحدة أن الذكاء الاصطناعي هو مساعد في التعدين، وليس صانع قرار. LLMs هي أدوات تنبؤ باللغة. إنه قوي في تفسير المفاهيم، وتنظيف البيانات، والفرضيات، وتوليد التعليمات البرمجية، ولكنه محفوف بالمخاطر في إنتاج أرقام وتشريعات دقيقة (الهلوسة). تصنيف المهام على أنها منخفضة/متوسطة/عالية/حرجة وضبط عمق التحقق وفقًا لذلك. التحقق من كل قيمة رقمية من بياناتك الخاصة أو القياس الميداني، وكل مرجع تنظيمي من المصدر الرسمي. تظل القرارات الأمنية الحاسمة دائمًا في يد المهندس المختص وتقوم بإخفاء هوية البيانات الحساسة قبل الاستخدام.

مهمة التطبيق

اختر خمس مهام من عملك الخاص (أو مشروع تعدين وهمي): وصف المفهوم، وتنظيف البيانات، وقائمة الفرضيات، والقيمة الاحتياطية/العددية، وسؤال تنظيمي. ضع كل منها في جدول المخاطر أعلاه. ثم الاستعانة بمصادر خارجية لمهمتين منخفضتين/متوسطتي الخطورة إلى الذكاء الاصطناعي باستخدام قالب "الدور والحدود" ووضع علامة على كل عنصر رقمي/تنظيمي للمخرجات باستخدام قالب "قائمة التحقق من الصحة". اكتب العناصر التي لا يمكن استخدامها دون التحقق.

قائمة مرجعية

• [ ] لقد وضعت المهمة في مستوى المخاطرة (منخفض/متوسط/عالي/حرج) قبل استخدامها.
• [ ] لقد قمت بحساب الأرقام الخاصة بالمجال مثل الدرجة والاحتياطي وما إلى ذلك من العائد الخاص بي بدلاً من سؤال الذكاء الاصطناعي.
• [ ] لقد قمت بالتحقق من كل مرجع تشريعي/معياري من المصدر الرسمي.
• [ ] قمت بإخفاء هوية البيانات الحساسة (الاحتياطي، الإحداثيات، الاسم، التكلفة).
• [ ] لقد تركت القرار الحاسم للسلامة لموافقة المهندس المختص، وليس بناءً على مخرجات الذكاء الاصطناعي.
• [ ] لقد قمت بمسح كل قيمة رقمية في مخرجات الذكاء الاصطناعي بحثًا عن "لا يمكن استخدامها بدون التحقق".