zisky:
- Schopnost rozlišit, kde umělá inteligence šetří reálný čas v pracovním postupu těžebního inženýrství a kde by kritická odpovědnost za bezpečnost měla zůstat na kompetentním inženýrovi, v závislosti na úrovni rizika
- Schopnost implementovat vícevrstvou ověřovací disciplínu, která testuje každý výstup AI proti standardnímu, nezávislému výpočtu a měření v terénu
- Schopnost anonymizovat kontext a osvojit si zvyk vybírat si bezpečná vozidla pro ochranu údajů o rezervách, licenčních informací a osobních/výrobních údajů
Úkolem důlního inženýra je překlenout nejistotu pod zemí s rozhodnutími nad zemí. Odhad rudného tělesa z vrtných dat, výpočet zásoby, plánování jámy, správa vozového parku, sledování svahového chování, zajištění bezpečnosti práce, měření vlivu na životní prostředí a vykazování, to vše v souladu s legislativou. Společným znakem těchto zakázek je, že pracují s velkým množstvím měření a dat, ale každé rozhodnutí má za následek lidské životy, miliony lir investic a nevratné ekologické důsledky v terénu. Umělá inteligence (zkráceně AI; softwarové systémy, které pracují s textem, čísly a obrázky s velkými daty a jazykovými modely) je silnou pomůckou v tomto datově náročném, ale pro rozhodování kritickém terénu. Tato jednotka vás naučí, kde bezpečně používat AI při těžbě, kde je to nebezpečné a proč musíte každý výstup umělé inteligence ověřovat podle standardů, měření v terénu a technického úsudku.
Ústředním principem, který budete v tomto modulu používat, je: AI je asistent, nikoli osoba s rozhodovací pravomocí. Hodnota jakosti (kovový poměr v rudě), úhel sklonu, rezervní číslo, bezpečnostní limit nebo legislativní článek se nestanou pravdivými jen proto, že to "AI řekla"; Je to pouze hypotéza, dokud nebude ověřena měřením, referencí a posouzením kompetentního inženýra. Tuto větu znovu uvidíte v každé jednotce modulu, protože v těžbě chybné číslo často znamená krach investice, zřícení svahu nebo zranění člověka.
Co je LLM a co dělá v těžbě?
LLM (Large Language Model) je software, který se učí vzory z velmi velkých kusů textu a předpovídá „další slovo“ na základě pravděpodobnosti. Toto je motor nástrojů jako ChatGPT, Claude, Gemini. Jde o toto: LLM je „jazykový odhadce“, nikoli „znalostní základna“. Mluví plynně hornickou terminologií, ale neměří známku; vytvoří číslo, které vypadá nejpravděpodobněji. Proto může dávat sebevědomé, ale nesprávné odpovědi na průměrnou známku, rychlost stahování, regulační doložku nebo limit výbušnosti. Tomu se říká halucinace (výmysl). Halucinace nejsou poruchou, ale neodmyslitelnou vlastností této technologie; Ověření proto není „krokem navíc“, ale nedílnou součástí práce.
Úkoly, kde je AI silná v těžbě:
- Vysvětlení pojmu a výuka: co je variogram, jak funguje pravidlo páky, jak dochází k odvodňování kyselých dolů.
- Čištění a organizace dat: přeměna rozptýlených protokolů z vrtů na souvislou tabulku, zachycení nesouladu jednotek.
- Generování seznamu hypotéz: systematický seznam možných příčin poklesu produkce.
- Kódování: Skripty pro čištění dat, grafy, geostatistiku a analýzu anomálií pomocí Pythonu.
- Návrh textu: JSA (analýza bezpečnosti práce), zpráva o monitorování životního prostředí, návrh nabídky/technické specifikace.
- Brainstorm: srovnání scénářů, nápady na experiment/plán měření.
Kde je AI slabá a riskantní:
- Zadání přesné číselné hodnoty (stupeň, rezerva, úhel sklonu, mezní hodnota).
- Aktuální a konkrétní legislativa/standardní článek a informace o verzi.
- Diagnostika bez skutečných dat měření vašeho webu.
- Rozhodnutí kritické z hlediska bezpečnosti: schválení návrhu odstřelu, rozhodnutí o evakuaci, provozuschopnost.
Klasifikace založená na riziku: filtr před použitím AI
Ne každý úkol je na stejné úrovni rizika. Před použitím umělé inteligence klasifikujte úkol podle úrovně rizika. Níže uvedená tabulka poskytuje rámec rozhodování, který budete používat v celém tomto modulu.
Úroveň rizika
ukázkový úkol
Role AI
Povinné ověření
nízká
Vysvětlení konceptu, návrh textu, kostra kódu
bezplatné použití
Recenze stačí
střední
Čištění dat, seznam hypotéz, nastavení výpočtu
Předloha/spoluautor
Ruční ovládání + potvrzení zdroje
vysoká
Odhad rezervy, limit jámy, parametry odstřelu
generátor nápadů
Standardní + měření v terénu + software
kritický
Rozhodnutí o evakuaci, bezpečnost svahu, rozhodnutí o provozuschopnosti/vhodnosti
Pouze koncept/skenování
Schválení kompetentním inženýrem + akreditované testování
Tip: Pokud jste označili úkol jako „kritický“, výstup AI není nikdy konečným dokumentem. Maximálně to může být předběžný návrh nebo kontrolní seznam; Kompetentní inženýr přebírá podpis a odpovědnost.
End-to-end tok: začlenění umělé inteligence do vašeho pracovního postupu
Typický cyklus řešení problémů při těžbě probíhá takto, přičemž AI se zapojuje do každého kroku, ale žádný z nich sama neuzavře:
- Definujte problém: Co předvídat, jaké rozhodnutí učinit, jaké omezení existuje? (AI: objasňuje otázku.)
- Sbírejte a čistěte data: Vrtání, výroba, monitorování, laboratorní data. (AI: silná v čištění a kontrole nekonzistence.)
- Vytvářejte hypotézy/scénáře: Možné příčiny, alternativní plány. (AI: vytváří systematický seznam.)
- Analýza: Výpočet, geostatistika, model, zpracování obrazu. (AI: generuje kód a fikci výpočtu.)
- Ověřte: standardní, terénní, samostatný účet, software. (AI je na vedlejší koleji, rozhodují lidé a měření.)
- Nahlásit a rozhodnout: Odpovědnost přebírá kompetentní technik. (AI: autor návrhu.)
Mějte na paměti těchto šest kroků; zbytek modulu vám krok za krokem ukáže, jak používat AI s konkrétními těžebními úkoly.
tři mini pouzdra
Případ 1 – Vymyšlená průměrná známka. Stážista se ptá nástroje AI chat na průměrnou známku měděného projektu; AI říká „asi 0,65 % Cu“. Stážista to uvádí do investiční prezentace. Umělá inteligence však neviděla jediné údaje o vrtání tohoto projektu; produkoval typické číslo pro „projekt mědi“. Skutečná hodnota pochází pouze z vlastních složených vrtných dat a geostatistického odhadu; Skutečná hodnota v tomto projektu je 0,38 %. Rozdíl je rozdíl mezi investicí, která se jeví jako zisková a ztrátou. Správný přístup je nikdy se „neptat“ na známku za AI, ale vypočítat si ji z vlastní databáze.
Případ 2 – Neexistující regulační doložka. Technik se zeptá AI na maximální pozemní vibrace (PPV: špičková rychlost částic, mm/s) povolenou při odstřelování. AI říká „10 mm/s podle předpisu“ a tvoří číslo položky. Inženýr podle toho sepíše zprávu. Při kontrole se zjistí, že číslo položky není skutečné a limitní hodnota se liší v závislosti na vzdálenosti a typu budovy. Správný přístup je otevřít aktuální nařízení z oficiálního zdroje a potvrdit hodnotu a podstatu. I když AI zná název předpisu správně, může způsobit halucinace čísla článku.
Případ 3 – Správné použití. Geolog má podezření na nesrovnalost ve sloupci stupně v souboru dat 40 vrtů. Říká AI, aby „vypsala řádky v této tabulce, které mohou mít nekonzistence jednotek, záporné hodnoty, viditelné odlehlé hodnoty a prázdné buňky, a do každého zapsala to, co máte podezření; NEOPRAVUJTE, pouze označte“. AI označí několik řádků smíchaných s % smíchanými s ppm, dvěma zápornými stupni a hodnotou kódu 999. Geolog je kontroluje a opravuje jeden po druhém ze surových kmenů. Zde byla umělá inteligence použita správně: upoutala pozornost, člověk učinil rozhodnutí a opravu.
Kopírovatelné šablony výzev
Níže uvedené šablony můžete použít tak, že je přizpůsobíte svému podnikání. V každém z nich je vědomý pokyn „uveďte přesné číslo, uveďte zdroj, vysvětlete nejistotu“.
ŠABLONA ROLE A OMEZENÍ "Role: Jste zkušený pomocník důlního inženýra. Úkol: [napište předmět]. Pravidla: Při zadání přesné číselné hodnoty (stupeň, rezerva, limit) uveďte ZDROJ; pokud si nejste jisti, řekněte 'musí být ověřeno'. Pokud dáváte předpis/standardní článek, uveďte jeho verzi, ale připomeňte, že musí být potvrzena na konec polem z oficiálního zdroje. měření/výpočet" položku po položce."
ŠABLONA VYTVOŘENÍ HYPOTÉZ"Vytvořte systematický seznam možných důvodů pro následující situaci: [popište situaci; co bylo pozorováno, jaké údaje jsou k dispozici]. Pro každou hypotézu: (1) jaké důkazy ji podporují, (2) jaké měření nebo výpočet by měl být proveden, aby se potvrdila/vyvrátila. UDĚLEJTE definitivní diagnózu; vytvořte plán vyšetřování.“
ŠABLONA OVĚŘOVACÍHO KONTROLNÍHO SEZNAMU"Uveďte KAŽDOU číselnou hodnotu a KAŽDÝ předpis/standardní odkaz v návrhu zprávy níže. U každého uveďte, ze kterého zdroje (údaje o samovrtání, regulační text, laboratorní zpráva, terénní průzkum) má být ověřeno. Ty nejistého původu shromážděte v části „nelze použít bez ověření“. Text: [vložit].“
ANONYMIZAČNÍ ŠABLONA PŘED KONTROLY "Před poskytnutím následujícího textu nástroji AI označte obchodní tajemství nebo citlivé osobní/regulační části: rezervní čísla, licenční číslo, skutečné souřadnice, jména zákazníků/zaměstnanců, důvěrné údaje o nákladech. Navrhněte, jak je mohu anonymizovat. Text: [vložit]."
Slabá výzva / Silná výzva
Položení stejné otázky dvěma způsoby přinese velmi odlišné výsledky.
SLABÁ VÝZVA: "Kolik je zásoba tohoto dolu?"
DŮRAZNÁ VÝZVA: "Role: Jste asistent geologa zdroje. Vysvětlete, kterými kroky musí projít odhad rezervy/zdroje (skládání, variogram, kriging, klasifikace, ekonomický limit) a která data a které schválení kompetentní osoby je vyžadováno v každém kroku. NEUVÁDĚJTE PŘESNÉ číslo rezervy; zdůrazněte, že to lze vypočítat pouze z vlastních dat projektu a mělo by být vykázáno v rámci kódu JORKUM.
Slabá výzva vyzývá AI, aby se vyrovnala; Důrazná výzva jej udržuje ve správné práci (popis procesu) a v první řadě zabraňuje digitální halucinaci.
Časté chyby
- „Ptáte se“ AI na čísla specifická pro kurz, jako je stupeň, rezerva atd. AI nezná vaše data; tato čísla jsou vypočtena výhradně z vaší vlastní databáze.
- Použití legislativy/standardní doložky bez jejího potvrzení. Číslo položky a hodnota jsou často halucinace.
- Založení kritického rozhodnutí pro bezpečnost na výstupu AI. Rozhodnutí o evakuaci, povolení odstřelu a provozuschopnosti provádí příslušný technik.
- Vkládání citlivých dat do cloudového nástroje bez jejich anonymizace. Údaje o rezervách, souřadnicích a nákladech jsou obchodním tajemstvím.
- Čekání na jednu otázku a jednu odpověď. Používejte AI iterativně: generujte koncepty, kritizujte, ověřujte, opravujte.
Upozornění: Čím přesnější a spolehlivější se číslo objeví ve výstupu AI, tím vyšší je potřeba ověření. Přesnost není zárukou přesnosti.
V souhrnu
V této jednotce jste viděli, že umělá inteligence je pomocníkem při těžbě, nikoli rozhodováním. LLM jsou jazykové prediktory; Je silný ve vysvětlování konceptů, čištění dat, hypotézách a generování kódu, ale riskantní ve vytváření přesných čísel a legislativy (halucinace). Klasifikujte úkoly jako nízké/střední/vysoké/kritické a podle toho upravte hloubku ověření. Ověřte každou číselnou hodnotu z vašich vlastních dat nebo měření v terénu, každou regulační referenci z oficiálního zdroje. Bezpečnostní rozhodnutí vždy zůstávají na kompetentním inženýrovi a před použitím anonymizují citlivá data.
Aplikační úkol
Vyberte si pět úkolů z vašeho vlastního podnikání (nebo fiktivního těžebního projektu): popis konceptu, čištění dat, seznam hypotéz, rezerva/číselná hodnota a regulační otázka. Každý umístěte do výše uvedené tabulky rizik. Poté outsourcujte dva úkoly s nízkým/středním rizikem AI pomocí šablony „Role and boundary“ a označte každý číselný/regulační prvek výstupu pomocí šablony „Ověřovací kontrolní seznam“. Napište, které prvky nelze použít bez ověření.
kontrolní seznam
- [ ] Před použitím jsem misi umístil na úroveň rizika (nízká/střední/vysoká/kritická).
- [ ] Počítal jsem pole specifická čísla, jako je stupeň, rezerva atd., ze svého vlastního výnosu místo toho, abych se zeptal AI.
- [ ] Ověřil jsem každou legislativu/standardní referenci z oficiálního zdroje.
- [ ] Anonymizoval jsem citlivá data (rezerva, souřadnice, jméno, cena).
- [ ] Ponechal jsem rozhodnutí kritické z hlediska bezpečnosti na schválení kompetentním inženýrem, nikoli na základě výstupu AI.
- [ ] Naskenoval jsem každou číselnou hodnotu ve výstupu AI pro „nelze použít bez ověření“.