কৃত্রিম বুদ্ধিমত্তা সহ ভূতত্ত্ব এবং ড্রিলিং ডেটা ব্যাখ্যা করা

লাভ:

• এআই সমর্থন সহ ড্রিলিং লগ, লিথোলজি এবং গ্রেড ডেটা পরিষ্কার করার এবং অসঙ্গতি এবং কোডিং ত্রুটি সনাক্ত করার ক্ষমতা
• মূল ফটোগ্রাফি এবং ভূতাত্ত্বিক পর্যবেক্ষণের ব্যাখ্যা করার সময় প্রাক-শ্রেণীবিভাগ এবং হাইপোথিসিস জেনারেটর হিসাবে AI-কে সঠিকভাবে অবস্থান করার ক্ষমতা
• ভূতাত্ত্বিক পর্যবেক্ষণ এবং পরীক্ষাগার বিশ্লেষণের সাথে AI এর অনুমানকৃত লিথোলজি/পরিবর্তন ব্যাখ্যা ক্রস-ভ্যালিডেট করার ক্ষমতা

প্রতিটি খনির প্রকল্পের ভিত্তি হল ভূগর্ভ থেকে নেওয়া নমুনা। এই উদাহরণগুলির মধ্যে সবচেয়ে গুরুত্বপূর্ণ হল ড্রিল কোর (একটি অবিচ্ছিন্ন নমুনা যা ড্রিলিং মেশিন একটি নলাকার আকারে শিলা থেকে বের করে)। ভূতত্ত্ববিদ মূল পরীক্ষা করেন; এটি শিলার প্রকার (লিথোলজি), গঠন, পরিবর্তন (গরম জল এবং রাসায়নিক প্রভাব দ্বারা শিলার পরিবর্তন) এবং খনিজকরণ রেকর্ড করে এবং গ্রেডের জন্য পরীক্ষাগারের নমুনাগুলি বিশ্লেষণ করে। ফলাফল মিটার দ্বারা মিটার রেকর্ড করা একটি বিশাল টেবিল, যাকে ড্রিলিং লগ বলা হয়। একটি একক প্রকল্পে শত শত ড্রিলিং এবং কয়েক হাজার লাইন থাকতে পারে। এই ডেটা পরিষ্কার করা, এটি একত্রিত করা, অসঙ্গতি ধরা এবং প্রাথমিক ব্যাখ্যাগুলি বের করা; এটি এমন একটি এলাকা যেখানে AI সত্যিই ত্বরান্বিত হচ্ছে, কিন্তু প্রতিটি পদক্ষেপ একটি ভূতাত্ত্বিকের চোখ দিয়ে যাচাই করা দরকার। এই ইউনিটে আপনি শিখবেন কীভাবে AI দিয়ে ড্রিলিং/জিওলজি ডেটা পরিষ্কার করতে হয়, কীভাবে মূল চিত্রটিকে প্রাক-ব্যাখ্যা করতে হয় এবং কীভাবে ফলাফলগুলি যাচাই করতে হয়।

ড্রিলিং ডেটা টেবিলের অ্যানাটমি

একটি ড্রিলিং ডেটা সেটে সাধারণত চারটি টেবিল থাকে এবং তাদের সঠিকভাবে একত্রিত করা অর্ধেক কাজ:

• কলার: প্রারম্ভিক স্থানাঙ্ক (X, Y, Z) এবং প্রতিটি বোরহোলের মোট গভীরতা।
• সমীক্ষা (বিচ্যুতি): গভীরতা বরাবর ড্রিলিং এর ঢাল (ডুবানো) এবং দিক (অজিমুথ) পরিবর্তন। ড্রিলিং কখনই পুরোপুরি সোজা হয় না।
• লিথোলজি: গভীরতা পরিসর জুড়ে শিলার ধরন এবং ভূতাত্ত্বিক পর্যবেক্ষণ (থেকে-থেকে)।
• পরীক্ষা: গভীরতার পরিসর জুড়ে ল্যাবরেটরি গ্রেডের ফলাফল (যেমন Au g/t, Cu %)।

এই সারণীগুলিকে নিয়ম মেনে চলতে হবে যেমন < থেকে, রেঞ্জগুলি ওভারল্যাপ করা উচিত নয় এবং কোডগুলি অবশ্যই সামঞ্জস্যপূর্ণ হতে হবে৷ বাস্তব জীবনে, এই ম্যানুয়ালি প্রবেশ করা ডেটাতে সবসময় ত্রুটি থাকে: অনুপস্থিত পরিসীমা, ওভারল্যাপিং পরিসীমা, ইউনিট বিভ্রান্তি (ppm এবং % মিক্সিং), লিথোলজি কোডের বিভিন্ন বানান (GRN, Grn, granite), নাল মানের পরিবর্তে 999 বা -9 এর মতো কোড। এআই এই ধরনের অসঙ্গতিগুলি স্ক্যান এবং ফ্ল্যাগ করার ক্ষেত্রে খুব শক্তিশালী; তবে আপনাকে অবশ্যই ভূতাত্ত্বিকের অনুমোদন নিয়ে সংশোধন করতে হবে।

ধাপে ধাপে: AI দিয়ে ডেটা ক্লিনিং ড্রিলিং

1. তথ্য পরিচয় করিয়ে দিন। AI-কে কলামের নাম, ইউনিট এবং কয়েকটি নমুনা সারি দিন (প্রকৃত স্থানাঙ্কগুলি বেনামী করে)। কি ঘটতে হবে তা স্পষ্টভাবে বর্ণনা করুন।
2. নিয়মের একটি তালিকা তৈরি করুন। এআই-কে "এই টেবিলের জন্য আমার কী সামঞ্জস্যের নিয়মগুলি পরীক্ষা করা উচিত" তালিকার জন্য জিজ্ঞাসা করুন, উপরে আপনার নিজস্ব নিয়মগুলি যোগ করুন।
3. একটি অসঙ্গতি স্ক্যান সঞ্চালিত আছে. শুধু AI কে পতাকা লাগানোর জন্য বলুন, স্বয়ংক্রিয় সংশোধন নয়। প্রতিটি চিহ্নের জন্য ন্যায্যতা জিজ্ঞাসা করুন।
4. কাঁচা উৎসে ফিরে যান। মূল বোরহোল লগ বা পরীক্ষাগার শংসাপত্রের বিপরীতে প্রতিটি চিহ্নিত লাইন পরীক্ষা করুন।
5. এটি ঠিক করার সিদ্ধান্ত নিন। ভূতাত্ত্বিক সংশোধন করে; এআই শুধু পরামর্শ দেয়।

পরামর্শ: AI কে বলবেন না "আমাকে সংশোধন করা টেবিলটি দিন"; বলুন "কারণ সহ সন্দেহজনক লাইনগুলি চিহ্নিত করুন"। একটি স্বয়ংক্রিয় সংশোধন টেবিলে, নীরবভাবে দূষিত সারিগুলি লক্ষ্য করা প্রায় অসম্ভব।

মূল ছবি এবং চাক্ষুষ ব্যাখ্যা

আধুনিক প্রকল্পগুলিতে, মূল বাক্সগুলি ফটোগ্রাফ করা হয়। মাল্টি-মডেল এআই টুলস (মডেল যেগুলি ছবিও প্রক্রিয়া করতে পারে) এই ফটোগ্রাফগুলি থেকে একটি প্রাথমিক ব্যাখ্যা তৈরি করতে পারে: রঙ পরিবর্তন, সম্ভাব্য ফ্র্যাকচার ঘনত্ব, শিরাগুলির উপস্থিতি, সম্ভাব্য পরিবর্তন অঞ্চল। এটি একটি প্রাথমিক স্ক্রীনিং হিসাবে মূল্যবান যা ভূতাত্ত্বিককে বলে "এখানে সাবধানে দেখুন।" যাইহোক, লিথোলজি এবং পরিবর্তনের সিদ্ধান্ত কখনই ফটোগ্রাফ থেকে নেওয়া হয় না; মূলের ম্যানুয়াল পরীক্ষা, কঠোরতা পরীক্ষা, অ্যাসিড প্রতিক্রিয়া এবং পরীক্ষাগার বিশ্লেষণ প্রয়োজন। রঙ থেকে "সোনা আছে" অনুমান করা AI এর জন্য একটি গুরুতর ভুল; সোনা প্রায়শই খালি চোখে অদৃশ্য থাকে এবং শুধুমাত্র বিশ্লেষণের মাধ্যমে সনাক্ত করা যায়।

তিনটি মিনি কেস

কেস 1 - ইউনিট হস্তক্ষেপ ক্যাপচার। একটি প্রকল্পে, অ্যাসে টেবিলে 12,000 সারি রয়েছে। ভূতাত্ত্বিক AI এর সাথে টেবিলের পরিচয় করিয়ে দেন এবং বলেন, "Au কলামে 100 g/t এর উপরে মান সহ সারিগুলি তালিকাভুক্ত করুন; এগুলি হয় সত্য উচ্চ গ্রেড বা ppm/ppb মিশ্রণ হতে পারে।" AI 37 লাইন চিহ্নিত করে। ভূতত্ত্ববিদ পরীক্ষাগার সার্টিফিকেট দেখেন; তিনি দেখতে পান যে 34টি আসলে ppb (এক বিলিয়ন প্রতি এক) হিসাবে প্রবেশ করা হয়েছিল কিন্তু ভুলভাবে g/t বলে মনে করা হয়েছিল, যখন 3টি ছিল আসল বোনানজা (খুব উচ্চ গ্রেড)। যদি এই 34টি লাইন সংশোধন না করা হয়, তাহলে গড় গ্রেড কৃত্রিমভাবে স্ফীত হবে এবং রিজার্ভ অতিরঞ্জিত হবে।

কেস 2 — ওভারল্যাপিং পরিসীমা। একটি লিথোলজি সারণিতে, থেকে-থেকে কিছু ব্যবধান ওভারল্যাপ: 45.0-52.0 মিটার গ্রানাইট এবং 50.0-58.0 মিটার শেল একই সাথে সংজ্ঞায়িত করা হয়েছে। AI এই ওভারল্যাপগুলিকে তালিকাভুক্ত করে এবং মোট 19টি লাইন ওভারল্যাপ দেখায়। ভূতাত্ত্বিক কাঁচা লগে পরিণত; ডেটা এন্ট্রিতে একটি লাইন শিফট খুঁজে বের করে এবং সংশোধন করে। যদি ওভারল্যাপিং ব্যবধানগুলি সংশোধন করা না হয়, তবে ব্লক মডেলের জন্য কোন শিলা প্রকার বরাদ্দ করা হবে এবং টননেজটি ভুলভাবে গণনা করা হবে তা অস্পষ্ট থাকবে।

কেস 3 - ভুল চাক্ষুষ অনুমান (সতর্কতা)। একজন ইন্টার্ন AI কে মূল ছবি দেয় এবং জিজ্ঞেস করে, "এই জোনে কি কোন আকরিক আছে?" এআই লালভাব এবং শিরা দেখে এবং বলে "সম্ভাব্য খনিজকরণ বেশি।" ইন্টার্ন এটিকে "খনিজ" হিসাবে লগে প্রক্রিয়া করে। যেখানে লালতা হল আয়রন অক্সাইডের দাগ এবং এতে অর্থনৈতিক আকরিক থাকে না; ল্যাবরেটরি বিশ্লেষণ ট্রেস লেভেলে গ্রেড খুঁজে পায়। পাঠ: চিত্র থেকে গ্রেড/অরিক নির্ধারণ করা যাবে না; এআই আউটপুট শুধুমাত্র একটি "পরীক্ষা" চিহ্ন, বিশ্লেষণ দ্বারা যাচাই করা হয়।

অনুলিপিযোগ্য প্রম্পট টেমপ্লেট

ড্রিল ডেটা কনসিস্টেন্সি স্ক্যানিং "ভুমিকা: আপনি একজন সহকারী রিসোর্স/ডাটাবেস ভূতত্ত্ববিদ। নীচে একটি [লিথোলজি/অ্যাস] টেবিল থেকে-থেকে ব্যবধান রয়েছে। কলাম: [তালিকা, ইউনিট সহ]। ROW নম্বর এবং কারণ সহ নিম্নলিখিত অসঙ্গতিগুলি চিহ্নিত করুন: থেকে>= থেকে, ওভারল্যাপিং পরিসীমা, স্পেসড কোড, স্পেস-এর ভিন্ন ভিন্ন কোড, স্পেসিং নেতিবাচক/আউটলিয়ার, খালির পরিবর্তে কোড (999/-9) ঠিক করবেন না, শুধু টেবিল চিহ্নিত করুন: [পেস্ট]।

লিথোলজি কোড স্ট্যান্ডার্ডাইজেশন "নিম্নলিখিত লিথোলজি কোডগুলি হাত দিয়ে প্রবেশ করানো হয়েছে এবং অসামঞ্জস্যপূর্ণ। একই শিলা প্রকারের বিভিন্ন বানানকে গোষ্ঠীভুক্ত করুন (যেমন GRN/Grn/granite)। প্রতিটি গ্রুপের জন্য একটি একক প্রস্তাবিত স্ট্যান্ডার্ড কোড লিখুন। একটি টেবিলে: [মূল কোডগুলি] -> [আমাকে আলাদা আলাদা গোষ্ঠীর স্থির করা যাক। কোড: [পেস্ট]।"

কোর ফটো প্রাক-স্ক্যানিং "এই মূল ফটোতে আমার যে ভিজ্যুয়াল বৈশিষ্ট্যগুলি লক্ষ্য করা উচিত তা তালিকাভুক্ত করুন: রঙ পরিবর্তন অঞ্চল, সম্ভাব্য ফ্র্যাকচার/ফ্র্যাকচার ঘনত্ব, দৃশ্যমান শিরা, সম্ভাব্য পরিবর্তন চিহ্ন। এগুলিকে একটি হাইপোথিসিস হিসাবে লিখুন; শিলার ধরন বা গ্রেডের বিষয়ে সিদ্ধান্ত নেবেন না। প্রতিটি বৈশিষ্ট্যের জন্য, ক্ষেত্রবিশেষে কী নির্দেশ করা উচিত তা নির্দেশ করুন।"

ভূতাত্ত্বিক লগের সংক্ষিপ্তসার "নিম্নলিখিত পাঠ্যটি একটি ড্রিলিং এর ভূতাত্ত্বিক লগ। এটিকে নিম্নলিখিত শিরোনাম সহ একটি কাঠামোগত সারাংশে পরিণত করুন: প্রভাবশালী লিথোলজি এবং গভীরতার পরিসর, পরিবর্তন অঞ্চল, কাঠামোগত নোট (ফল্ট/ফ্র্যাকচার), খনিজকরণ পর্যবেক্ষণ। পাঠ্য হিসেবে কিছু চিহ্ন যুক্ত করবেন না; 'অস্পষ্ট' লগ: [পেস্ট]।"

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট: "এই ড্রিলিং ডেটা ঠিক করুন।"

দৃঢ় প্রম্পট: "ভুমিকা: আপনি একজন সহকারী ডাটাবেস ভূতত্ত্ববিদ। নীচের পরীক্ষা সারণীতে, শুধুমাত্র সন্দেহজনক সারিগুলিকে (from>= থেকে, ppm/% সন্দেহজনক ভেজাল, ঋণাত্মক মান, খালির পরিবর্তে 999) পতাকাঙ্কিত করুন। প্রতিটি পতাকার জন্য সারি নম্বর + কারণ দিন। স্বয়ংক্রিয়ভাবে সংশোধন করবেন না; থেকে, আমি শংসাপত্রটি সঠিকভাবে পরীক্ষা করব। To(m), Au(g/t) টেবিল: [পেস্ট]।"

দুর্বল প্রম্পট AI কে বলে "আপনি সিদ্ধান্ত নিন এবং পরিবর্তন করুন"; শক্তিশালী প্রম্পট AI-কে চিহ্নিত করার জন্য সীমাবদ্ধ করে, সংশোধনের কর্তৃত্ব ভূতত্ত্ববিদকে ছেড়ে দেয়।

তুলনা সারণী: কোন ব্যবসায় এআই কীভাবে ব্যবহার করবেন

কোয়েস্ট

AI এর ভূমিকা

যার সিদ্ধান্ত

যাচাইকরণ

অসঙ্গতি চিহ্নিতকরণ

শক্তিশালী ব্রাউজার

ভূতাত্ত্বিক সংশোধন করে

কাঁচা লগ/শংসাপত্র

লিথোলজি কোড মার্জিং

সাজেশন

ভূতত্ত্ববিদ নিশ্চিত করেন

কোড অভিধান

মূল ছবির মন্তব্য

প্রাক-স্ক্রীনিং/অনুমান

ভূতত্ত্ববিদ/ল্যাবরেটরি

ম্যানুয়াল পরিদর্শন + বিশ্লেষণ

গ্রেড / আকরিক সিদ্ধান্ত

ব্যবহার করা হয়নি

পরীক্ষাগার

স্বীকৃত বিশ্লেষণ

লগ টেক্সট সারসংক্ষেপ

কনফিগারার

ভূতত্ত্ববিদ

মূল পাঠ্যের সাথে তুলনা

সাধারণ ভুল

• AI আছে "স্বয়ংক্রিয়ভাবে সংশোধন" টেবিল. আপনি নীরব বিকৃতি লক্ষ্য নাও হতে পারে; শুধু এটি চিহ্নিত করুন।
• মূল ছবি থেকে গ্রেড/অরিক নিষ্কাশন। সোনা প্রায়ই খালি চোখে অদৃশ্য হয়; সিদ্ধান্ত আপনার বিশ্লেষণ.
• বেনামী ছাড়া বাস্তব স্থানাঙ্ক আটকানো. লাইসেন্স এবং স্থানাঙ্কগুলি সংবেদনশীল ডেটা।
• আসল লগের সাথে AI সারাংশের তুলনা করা হচ্ছে না। AI এমন একটি পর্যবেক্ষণ যোগ করতে পারে যা পাঠ্যে নেই (হ্যালুসিনেশন)।
• ইউনিটের অমিল উপেক্ষা করা। ppm/%/g/t/ppb মেশানো সরাসরি রিজার্ভ ব্যাহত করে।

মনোযোগ: ড্রিলিং ডেটাতে একটি ইউনিট ত্রুটি একটি লাইনে থাকে না; কম্পোজিটিং পূর্বাভাস এবং রিজার্ভ জুড়ে বৃদ্ধি পায় এবং ছড়িয়ে পড়ে। পরিচ্ছন্নতার পর্যায়ে পরিশ্রম পরবর্তী সমস্ত অ্যাকাউন্টের নির্ভরযোগ্যতা নির্ধারণ করে।

সংক্ষেপে

ড্রিলিং/জিওলজি ডেটাতে চারটি প্রধান সারণী থাকে (কলার, জরিপ, লিথোলজি, অ্যাসে) এবং সামঞ্জস্যের নিয়ম অত্যাবশ্যক। এআই এই ডেটা অসংগতি স্ক্যানিং, কোড স্ট্যান্ডার্ডাইজেশন, লগ সংক্ষিপ্তকরণ এবং মূল ফটো প্রাক-স্ক্যানিং-এ একটি শক্তিশালী সহায়তা। যাইহোক, সংশোধনের সিদ্ধান্ত ভূতাত্ত্বিকের, এবং গ্রেড/অরিক সিদ্ধান্তটি পরীক্ষাগারের। AI চিহ্নটি সম্পাদনা না করে, কাঁচা উত্স থেকে প্রতিটি চিহ্ন যাচাই করুন এবং চিত্র থেকে গ্রেড অনুমান করবেন না।

আবেদন টাস্ক

আপনার কাছে থাকা একটি অ্যাসে টেবিল (বা একটি নমুনা) বেনামী করুন এবং "ড্রিলিং ডেটা সামঞ্জস্য স্ক্যান" টেমপ্লেট সহ AI-কে দিন। একটি টেবিলে চিহ্নিত সারি আমদানি করুন; প্রতিটির জন্য একটি "কাঁচা উৎস থেকে পরীক্ষা করা হবে" নোট বিবেচনা করুন। তারপরে "লিথোলজি কোড স্ট্যান্ডার্ডাইজেশন" টেমপ্লেট দিয়ে কোড অভিধান তৈরি করুন এবং আলাদাভাবে সেই গ্রুপগুলি নোট করুন যেগুলি এআই অনিশ্চিত। অবশেষে, একটি মূল ফটো প্রাক-স্ক্যান করুন এবং প্রতিটি হাইপোথিসিসের জন্য আপনি ক্ষেত্রটিতে কী পরীক্ষা করবেন তা লিখুন।

চেকলিস্ট

• [ ] আমি AI কে ডেটা দেওয়ার আগে প্রকৃত স্থানাঙ্ক/লাইসেন্সের তথ্য বেনামে রেখেছি।
• [ ] আমি AI কে একটি ন্যায্য চিহ্নের জন্য বলেছি, সংশোধন নয়।
• [ ] আমি কাঁচা লগ/ল্যাব সার্টিফিকেটের বিপরীতে চিহ্নিত প্রতিটি লাইন চেক করেছি।
• [ ] আমি ভলিউমের সামঞ্জস্যতাও যাচাই করেছি (g/t, %, ppm, ppb)।
• [ ] আমি মূল ফটো আউটপুটটিকে একটি অনুমান হিসাবে বিবেচনা করেছি, আমি একটি গ্রেড সিদ্ধান্ত নিইনি৷
• কোন তথ্য যোগ করা হয়নি তা যাচাই করার জন্য আমি AI সারাংশটিকে মূল লগ টেক্সটের সাথে তুলনা করেছি।