Nyereség:
- Képes megkülönböztetni, hogy a mesterséges intelligencia hol takarít meg valós időt a bányászati mérnöki munkafolyamat során, és hol maradjon a biztonság szempontjából kritikus felelősség az illetékes mérnöknél, a kockázat mértékétől függően
- Többrétegű érvényesítési tudomány megvalósításának képessége, amely minden mesterséges intelligencia kimenetet standard, független számítással és helyszíni méréssel összehasonlít.
- Képes a kontextus anonimizálására, és elsajátítani a biztonságos járművek kiválasztásának szokását a tartalék adatok, a licencinformációk és a személyzeti/termelési adatok védelme érdekében
A bányamérnök feladata, hogy áthidalja a föld alatti bizonytalanságot a föld feletti döntésekkel. Az érctest becslése fúrási adatokból, készlet számítása, gödör tervezése, eszközpark irányítása, lejtős viselkedés figyelemmel kísérése, munkavédelem biztosítása, környezetterhelés mérése és mindezek jogszabályi előírás szerinti jelentése. Ezeknek a munkáknak a közös jellemzője, hogy nagyszámú méréssel és adattal dolgoznak, de minden döntés emberéleteket, több millió líra befektetést és visszafordíthatatlan környezeti következményeket eredményez a területen. A mesterséges intelligencia (röviden AI; olyan szoftverrendszerek, amelyek szövegen, számokon és képeken dolgoznak big data és nyelvi modellekkel) hatékony segítség ezen az adatintenzív, de döntéskritikus területen. Ez az egység megtanítja Önnek, hogy hol használhatja biztonságosan a mesterséges intelligenciát a bányászatban, hol veszélyes, és miért kell minden mesterségesintelligencia-kimenetet hitelesíteni a szabványok, a helyszíni mérések és a mérnöki megítélés alapján.
A központi elv, amelyet ebben a modulban fog használni: A mesterséges intelligencia asszisztens, nem döntéshozó. A fokozat (az ércben lévő fémarány) érték, a dőlésszög, a tartalékszám, a biztonsági határérték vagy a jogszabályi cikk nem válik valóra csak azért, mert "az AI mondta"; Ez csupán egy hipotézis, amíg méréssel, referenciával és hozzáértő mérnöki ítélettel meg nem igazoljuk. Ezt a mondatot újra látni fogod a modul minden egységében, mert a bányászatban a rossz szám gyakran egy beruházás összeomlását, egy lejtő összeomlását vagy egy személy sérülését jelenti.
Mi az az LLM és mit csinál a bányászatban?
Az LLM (Large Language Model) egy olyan szoftver, amely nagyon nagy szövegrészekből tanul mintákat, és a valószínűség alapján megjósolja a "következő szót". Ez az olyan eszközök motorja, mint a ChatGPT, Claude, Gemini. A lényeg a következő: az LLM egy "nyelvbecslő", nem pedig egy "tudásbázis". Folyékonyan beszéli a bányászati terminológiát, de nem mér osztályzatot; a legvalószínűbbnek tűnő számot állítja elő. Emiatt magabiztos, de helytelen válaszokat adhat az átlagos osztályzatról, a lehúzási arányról, a szabályozási záradékról vagy a robbanásveszélyes határról. Ezt nevezik hallucinációnak (kitalációnak). A hallucináció nem hibás működés, hanem ennek a technológiának a velejárója; Ezért az ellenőrzés nem „kiegészítő lépés”, hanem a munka szerves része.
Feladatok, ahol az AI erős a bányászatban:
- Fogalommagyarázat és tanítás: mi az a variogram, hogyan működik a tőkeáttételi szabály, hogyan történik a savas bányavízelvezetés.
- Az adatok tisztítása és rendszerezése: a szétszórt fúrt rönkök koherens táblázattá alakítása, az egységhibák rögzítése.
- Hipotézislista létrehozása: a termelés csökkenésének lehetséges okainak szisztematikus felsorolása.
- Kódolás: Adattisztítás, grafikonok, geostatisztika és anomáliaelemző szkriptek Python segítségével.
- Szövegtervezet: JSA (munkahelybiztonsági elemzés), környezetvédelmi monitoring jelentés, pályázati tervezet/műszaki specifikáció.
- Brainstorm: forgatókönyv-összehasonlítás, kísérleti/mérési tervötletek.
Ahol az AI gyenge és kockázatos:
- Pontos számérték megadása (lejtő, tartalék, lejtőszög, határérték).
- Aktuális és konkrét jogszabályok/szabványos cikkek és verziók információi.
- Diagnózis a webhely tényleges mérési adatai nélkül.
- Biztonságkritikus döntés: robbantási terv jóváhagyása, evakuálási döntés, használhatóság.
Kockázatalapú osztályozás: a szűrő az AI használata előtt
Nem minden feladat ugyanolyan kockázatú. Az AI használata előtt osztályozza a feladatot kockázati szint szerint. Az alábbi táblázat egy döntési keretet ad, amelyet a modul során használni fog.
Kockázati szint
mintafeladat
AI szerepe
Kötelező ellenőrzés
alacsony
Fogalommagyarázat, szövegtervezet, kódváz
ingyenes használat
A felülvizsgálat elég
közepes
Adattisztítás, hipotézislista, számítási beállítás
Tervezet/társszerző
Kézi vezérlés + forrás megerősítése
magas
Tartalékbecslés, gödörhatár, robbantási paraméter
ötletgenerátor
Standard + terepi mérés + szoftver
kritikus
Kiürítési döntés, lejtőbiztonság, használhatósági/alkalmassági döntés
Csak piszkozat/szkennelés
Illetékes mérnök jóváhagyása + akkreditált tesztelés
Tipp: Ha egy feladatot "kritikusként" jelölt meg, az AI kimenete soha nem lesz a végső dokumentum. Legfeljebb előzetes tervezet vagy ellenőrzőlista lehet; Az aláírást és a felelősséget az illetékes mérnök vállalja.
Végponttól végpontig terjedő folyamat: mesterséges intelligencia beágyazása a munkafolyamatba
Egy tipikus problémamegoldási ciklus a bányászatban a következőképpen zajlik, amikor az AI minden lépésben részt vesz, de nem zárja le azokat egyedül:
- Határozza meg a problémát: Mit kell előre jelezni, milyen döntést kell hozni, milyen korlátok vannak? (AI: pontosítja a kérdést.)
- Adatok gyűjtése és tisztítása: Fúrás, termelés, monitoring, laboratóriumi adatok. (AI: erős a tisztításban és az inkonzisztencia-ellenőrzésben.)
- Hipotézisek/forgatókönyvek generálása: Lehetséges okok, alternatív tervek. (AI: szisztematikus listát készít.)
- Elemzés: Számítás, geostatisztika, modellezés, képfeldolgozás. (AI: kódot és számítási fikciót generál.)
- Ellenőrzés: Normál, mező, önálló fiók, szoftver. (A mesterséges intelligencia a pálya szélén áll; az ember és a mérés dönt.)
- Jelentés és döntés: Az illetékes mérnök vállalja a felelősséget. (AI: piszkozatíró.)
Tartsa szem előtt ezt a hat lépést; A modul többi része lépésről lépésre bemutatja, hogyan használhatja az AI-t konkrét bányászati feladatokkal.
három mini tok
1. eset – kitalált átlagos osztályzat. Egy gyakornok megkérdezi az AI csevegőeszközt egy rézprojekt átlagos osztályzatáról; Az AI azt írja, hogy „kb. 0,65% Cu”. A gyakornok ezt beleteszi a befektetési prezentációba. Az AI azonban egyetlen fúrási adatot sem látott ehhez a projekthez; egy tipikus számot produkált a "rézprojektre". A valós érték csak a projekt saját összetett fúrási adataiból és geostatisztikai becsléséből adódik; A valós érték ebben a projektben 0,38%. A különbség a nyereségesnek látszó és a veszteséges befektetés közötti különbség. A helyes hozzáállás az, hogy soha ne "kérdezd" az MI osztályzatát, hanem a saját adatbázisodból számold ki.
2. eset – Nem létező szabályozási záradék. Egy mérnök megkérdezi az AI-t a robbantásnál megengedett maximális talajrezgésről (PPV: csúcssebesség, mm/s). Az AI „10 mm/s a szabályozás szerint” feliratot írja ki, és egy cikkszámot alkot. A mérnök ennek megfelelően készíti el a jelentést. Az ellenőrzés során kiderül, hogy a cikkszám nem valós, a határérték távolságtól és épülettípustól függően változik. A helyes hozzáállás az, hogy megnyitjuk a jelenlegi szabályozást a hivatalos forrásból, és megerősítjük annak értékét és lényegét. Még ha az MI helyesen ismeri is a rendelet nevét, hallucinálhatja a cikkszámot.
3. eset – Rendeltetésszerű használat. Egy geológus egy 40 fúrásból álló adatsorban eltérésre gyanakszik a fokozatoszlopban. Azt utasítja az AI-nak, hogy "sorolja fel a táblázat azon sorait, amelyek egységnyi inkonzisztenciát, negatív értékeket, látható kiugró értékeket és üres cellákat tartalmazhatnak, és írja be mindegyikre azt, amire gyanakszik; NE javítsa, csak jelölje meg." Az AI néhány sort, ppm-mel kevert százalékot, két negatív fokozatot és egy 999-es kódértéket jelez. A geológus ezeket egyenként ellenőrzi és kijavítja a nyers rönkökből. Itt az AI-t helyesen használták: felhívta magára a figyelmet, az ember hozta meg a döntést és a korrekciót.
Másolható prompt sablonok
Az alábbi sablonokat saját vállalkozásához igazítva használhatja. Mindegyikben van egy tudatos instrukció, hogy "adjon pontos számot, jelezze a forrást, magyarázza meg a bizonytalanságot".
SZEREP ÉS HATÁR SABLON "Szerep: Tapasztalt bányamérnök asszisztens vagy. Feladat: [írja meg a tárgyat]. Szabályok: A pontos számérték megadásakor (osztályzat, tartalék, határérték) adja meg a FORRÁST; ha nem biztos benne, akkor mondja azt, hogy "ellenőrizni kell". Ha előírást/szabványcikket ad meg, adja meg a válaszát a hivatalos verziójával, de a végére emlékeztesse, hogy a forrást meg kell erősíteni. „mit kell helyszíni méréssel/számítással ellenőrizni” tételről tételre."
HIPOTÉZISKÉPÍTÉSI SABLON"Készítsen szisztematikus listát a következő helyzet lehetséges okairól: [írja le a helyzetet; mit figyeltek meg, milyen adatok állnak rendelkezésre]. Minden egyes hipotézishez: (1) milyen bizonyítékok támasztják alá, (2) milyen mérést vagy számítást kell végezni a megerősítéshez/cáfolásához. Végleges diagnózis felállítása; vizsgálati ütemterv elkészítése."
ELLENŐRZÉSI ELLENŐRZŐ LISTA SABLON" Az alábbi jelentéstervezetben MINDEN számértéket és MINDEN előírást/szabvány hivatkozást soroljon fel. Mindegyiknél tüntesse fel, hogy melyik forrásból (önfúrási adatok, szabályozási szöveg, laboratóriumi jelentés, helyszíni felmérés) kell ellenőrizni. A bizonytalan eredetűeket gyűjtse össze a "ellenőrzés nélkül nem használható]" alatt. Szöveg: [beillesztés]."
ANONIMIZÁLÁS ELŐZETES ELLENŐRZÉSI SABLON "Mielőtt megadná a következő szöveget egy mesterségesintelligencia-eszköznek, jelölje meg az üzleti titkot vagy a személyes/szabályozási szempontból érzékeny részeket: tartalékszámok, engedélyszám, tényleges koordináták, ügyfelek/személyzet neve, bizalmas költségadatok. Javasolja, hogyan tehetném névtelenné ezeket. Szöveg: [beillesztés]."
Gyenge felszólítás / Erős felszólítás
Ha ugyanazt a kérdést kétféleképpen tesszük fel, nagyon eltérő eredményeket kapunk.
GYENGE PROMPT: "Mekkora ennek a bányának a tartaléka?"
ERŐS UTASÍTÁS: "Szerep: Ön az erőforrás-geológus asszisztens. Magyarázza el, hogy egy készlet-/erőforrásbecslésnek mely lépéseken kell keresztülmennie (összeállítás, variogram, krigelés, osztályozás, gazdasági korlát), és mely adatokra és melyik illetékes személy jóváhagyására van szükség minden lépéshez. NE ADJON MEG PONTOS tartalékszámot; hangsúlyozni kell, hogy ez csak a projekt keretén belül számolható ki, és csak a projekt keretein belül lehet ilyen kódot jelenteni. JORC/UMREK."
A gyenge felszólítás felkéri a mesterséges intelligencia pótlását; Az erős felszólítás a megfelelő feladatban tartja (folyamatleírás), és megakadályozza, hogy a digitális hallucináció megtörténjen.
Gyakori hibák
- A mesterséges intelligencia „kérése” kurzusspecifikus számokra, például osztályzatra, tartalékra stb. Az AI nem ismeri az Ön adatait; ezeket a számokat kizárólag az Ön saját adatbázisából számítja ki.
- A jogszabály/normál záradék használata megerősítés nélkül. A cikkszám és az érték gyakran hallucinált.
- A biztonság szempontjából kritikus döntés az AI-kimenetre alapozva. Az evakuálási, robbantási engedélyezési és használhatósági döntéseket az illetékes mérnök hozza meg.
- Érzékeny adatok beillesztése a felhőeszközbe anonimizálás nélkül. A tartalék-, koordináta- és költségadatok üzleti titkok.
- Egy kérdésre és egy válaszra várok. Az AI iteratív használata: vázlatok létrehozása, bírálat, ellenőrzés, javítás.
Vigyázat: Minél pontosabb és magabiztosabb szám jelenik meg az AI kimeneten, annál nagyobb szükség van az ellenőrzésre. A pontosság nem garancia a pontosságra.
Összefoglalva
Ebben az egységben láthatta, hogy az AI asszisztens a bányászatban, nem pedig döntéshozó. Az LLM-ek nyelvi előrejelzők; Erőteljes fogalmak magyarázatában, adattisztításban, hipotézisekben és kódgenerálásban, de kockázatos a pontos számok és jogszabályok előállításában (hallucináció). Csoportosítsa a feladatokat alacsony/közepes/magas/kritikus kategóriába, és ennek megfelelően állítsa be az ellenőrzési mélységet. Ellenőrizze minden számértéket saját adataiból vagy helyszíni méréséből, minden jogszabályi hivatkozást a hivatalos forrásból. A biztonság szempontjából kritikus döntések mindig az illetékes mérnöknél maradnak, és használat előtt anonimizálják az érzékeny adatokat.
Pályázati feladat
Válasszon öt feladatot a saját vállalkozásából (vagy egy fiktív bányászati projektből): egy koncepcióleírást, egy adattisztítást, egy hipotézislistát, egy tartalék/számértéket és egy szabályozási kérdést. Helyezze mindegyiket a fenti kockázati táblázatba. Ezután adjon ki két alacsony/közepes kockázatú feladatot az AI-nak a „Szerep és határ” sablon segítségével, és jelölje meg a kimenet minden egyes numerikus/szabályozási elemét az „Ellenőrzési ellenőrzőlista” sablonnal. Írja le, mely elemek nem használhatók ellenőrzés nélkül!
ellenőrző lista
- [ ] Használat előtt kockázati szintre (alacsony/közepes/magas/kritikus) helyeztem a küldetést.
- [ ] Az AI megkérdezése helyett a saját hozamomból számoltam ki a szakterület-specifikus számokat, mint például osztályzat, tartalék stb.
- [ ] Minden jogszabályt/standard hivatkozást ellenőriztem a hivatalos forrásból.
- [ ] Érzékeny adatokat (tartalék, koordináták, név, költség) anonimizáltam.
- [ ] A biztonságkritikus döntést az illetékes mérnök jóváhagyására bíztam, nem az AI-kimenet alapján.
- [ ] Az AI-kimenet minden numerikus értékét beolvastam, hogy „ellenőrzés nélkül nem használható”.