Guadagni:
- Capacità di distinguere dove l'intelligenza artificiale fa risparmiare tempo reale nel flusso di lavoro dell'ingegneria mineraria e dove la responsabilità critica per la sicurezza dovrebbe rimanere nelle mani dell'ingegnere competente, a seconda del livello di rischio
- Capacità di implementare una disciplina di convalida a più livelli che verifica ogni output dell'intelligenza artificiale rispetto a calcoli standard indipendenti e misurazioni sul campo
- Capacità di anonimizzare il contesto e acquisire l'abitudine a scegliere veicoli sicuri per proteggere i dati di riserva, le informazioni sulle licenze e i dati del personale/produzione
Il compito di un ingegnere minerario è quello di colmare l'incertezza sotto terra con le decisioni in superficie. Stima del giacimento minerario dai dati di perforazione, calcolo della riserva, pianificazione della cava, gestione del parco attrezzature, monitoraggio del comportamento dei pendii, garanzia della sicurezza sul lavoro, misurazione dell'impatto ambientale e rendicontazione tutto ciò in conformità con la legislazione. La caratteristica comune di questi lavori è che lavorano con un gran numero di misurazioni e dati, ma ogni decisione comporta vite umane, milioni di lire di investimenti e conseguenze ambientali irreversibili sul campo. L’intelligenza artificiale (in breve AI; sistemi software che lavorano su testo, numeri e immagini con big data e modelli linguistici) è un potente aiuto in questo terreno ad alta intensità di dati ma cruciale per le decisioni. Questa unità ti insegna dove utilizzare in modo sicuro l'intelligenza artificiale nel settore minerario, dove è pericolosa e perché devi convalidare ogni output dell'intelligenza artificiale rispetto a standard, misurazioni sul campo e giudizio ingegneristico.
Il principio centrale che utilizzerai in questo modulo è: l'intelligenza artificiale è un assistente, non un decisore. Un valore di qualità (rapporto di metallo nel minerale), un angolo di pendenza, una cifra di riserva, un limite di sicurezza o un articolo legislativo non diventano veri solo perché "lo ha detto l'AI"; Si tratta semplicemente di un'ipotesi fino a quando non verrà verificata mediante misurazione, riferimento e giudizio tecnico competente. Vedrai questa frase in ogni unità del modulo, perché nel settore minerario un numero sbagliato spesso significa il crollo di un investimento, il crollo di un pendio o il ferimento di una persona.
Cos'è LLM e cosa fa nel settore minerario?
LLM (Large Language Model) è un software che apprende modelli da porzioni di testo molto grandi e prevede la "parola successiva" in base alla probabilità. Questo è il motore di strumenti come ChatGPT, Claude, Gemini. Il punto è questo: LLM è uno "estimatore del linguaggio", non una "base di conoscenza". Parla fluentemente la terminologia mineraria, ma non misura un grado; produce il numero che sembra più probabile. Pertanto, lui o lei potrebbe dare risposte sicure ma errate sul voto medio, sul tasso di stripping, su una clausola normativa o su un limite esplosivo. Questa è chiamata allucinazione (fabbricazione). L'allucinazione non è un malfunzionamento, ma una caratteristica intrinseca di questa tecnologia; Pertanto la verifica non è un “passo aggiuntivo” ma parte integrante del lavoro.
Attività in cui l'intelligenza artificiale è forte nel mining:
- Spiegazione e insegnamento dei concetti: cos'è un variogramma, come funziona la regola della leva finanziaria, come avviene il drenaggio delle miniere acide.
- Pulizia e organizzazione dei dati: trasformazione dei registri di trivellazione sparsi in una tabella coerente, acquisizione della mancata corrispondenza delle unità.
- Generare un elenco di ipotesi: elencare sistematicamente le possibili cause di un calo della produzione.
- Codifica: script di pulizia dei dati, grafica, geostatistica e analisi delle anomalie con Python.
- Bozza di testo: JSA (analisi della sicurezza sul lavoro), relazione sul monitoraggio ambientale, bozza di gara/specifica tecnica.
- Brainstorming: confronto degli scenari, idee per piani di esperimento/misurazione.
Dove l’intelligenza artificiale è debole e rischiosa:
- Fornire il valore numerico esatto (pendenza, riserva, angolo di pendenza, valore limite).
- Informazioni sulla legislazione/articolo normativo attuale e specifico e sulla versione.
- Diagnosi senza dati di misurazione effettivi del tuo sito.
- Decisione critica per la sicurezza: approvazione del progetto di esplosione, decisione di evacuazione, funzionalità.
Classificazione basata sul rischio: il filtro prima dell'utilizzo dell'IA
Non tutte le attività presentano lo stesso livello di rischio. Classificare l'attività in base al livello di rischio prima di utilizzare l'intelligenza artificiale. La tabella seguente fornisce un quadro decisionale che utilizzerai in questo modulo.
Livello di rischio
compito di esempio
Ruolo dell'intelligenza artificiale
Verifica obbligatoria
basso
Spiegazione del concetto, bozza del testo, scheletro del codice
utilizzo gratuito
È sufficiente la recensione
medio
Pulizia dei dati, lista delle ipotesi, impostazione dei calcoli
Bozza/coautore
Controllo manuale + conferma della sorgente
alto
Stima della riserva, limite fossa, parametro di brillamento
generatore di idee
Standard + misurazione sul campo + software
critico
Decisione di evacuazione, sicurezza del pendio, decisione di funzionalità/idoneità
Solo bozza/scansione
Approvazione dell'ingegnere competente + test accreditati
Suggerimento: se hai contrassegnato un'attività come "critica", l'output dell'intelligenza artificiale non sarà mai il documento finale. Al massimo può trattarsi di una bozza preliminare o di una checklist; L'ingegnere competente ne assume la firma e la responsabilità.
Flusso end-to-end: incorporare l'intelligenza artificiale nel flusso di lavoro
Un tipico ciclo di risoluzione dei problemi nel mining funziona così, con l'IA impegnata in ogni passaggio ma senza chiuderne nessuno da solo:
- Definire il problema: cosa prevedere, quale decisione prendere, quale vincolo c'è? (AI: chiarisce la domanda.)
- Raccogliere e pulire i dati: perforazione, produzione, monitoraggio, dati di laboratorio. (AI: forte nella pulizia e nel controllo delle incoerenze.)
- Generare ipotesi/scenari: possibili cause, piani alternativi. (AI: produce un elenco sistematico.)
- Analisi: calcolo, geostatistica, modello, elaborazione di immagini. (AI: genera codice e finzione di calcolo.)
- Verifica: account standard, sul campo, autonomo, software. (L’intelligenza artificiale è in disparte; gli esseri umani e la misurazione decidono.)
- Riferire e decidere: l'ingegnere competente si assume la responsabilità. (AI: redattore della bozza.)
Tieni a mente questi sei passaggi; il resto del modulo mostra come utilizzare l'intelligenza artificiale con attività minerarie concrete, passo dopo passo.
tre mini custodie
Caso 1 – Voto medio inventato. Uno stagista chiede allo strumento di chat AI il voto medio di un progetto in rame; AI dice “circa lo 0,65% di Cu”. Il tirocinante lo inserisce nella presentazione dell'investimento. Tuttavia, l’intelligenza artificiale non ha visto un singolo dato di perforazione di questo progetto; ha prodotto un numero tipico per il "progetto rame". Il valore reale deriva solo dai dati di perforazione compositi del progetto e dalla stima geostatistica; Il valore reale in questo progetto è dello 0,38%. La differenza è la differenza tra l’investimento che appare redditizio e quello in perdita. L'atteggiamento corretto è quello di non “chiedere” mai il voto all'IA, ma calcolarlo dal proprio database.
Caso 2 — Clausola regolamentare inesistente. Un ingegnere chiede all'IA la massima vibrazione del terreno (PPV: velocità di picco delle particelle, mm/s) consentita nell'esplosione. L'AI dice "10 mm/s secondo il regolamento" e compone un numero di articolo. L'ingegnere scrive il rapporto di conseguenza. Durante l'ispezione si scopre che il numero dell'articolo non è reale e il valore limite varia a seconda della distanza e del tipo di edificio. L'atteggiamento corretto è quello di aprire l'attuale regolamento dalla fonte ufficiale e confermarne il valore e la sostanza. Anche se l'IA conosce correttamente il nome del regolamento, potrebbe avere allucinazioni sul numero dell'articolo.
Caso 3 — Uso corretto. Un geologo sospetta una discrepanza nella colonna dei gradi in un insieme di dati di 40 pozzi. Dice all'intelligenza artificiale di "elencare le righe in questa tabella che potrebbero contenere incoerenze di unità, valori negativi, valori anomali visibili e celle vuote e scrivere ciò che si sospetta per ciascuna; NON correggere, semplicemente contrassegnare". L'IA segnala alcune righe mescolate con % mescolato con ppm, due gradi negativi e un valore di codice 999. Il geologo li controlla e li corregge uno per uno partendo dai tronchi grezzi. Qui l’intelligenza artificiale è stata utilizzata correttamente: ha attirato l’attenzione, l’uomo ha preso la decisione e la correzione.
Modelli di prompt copiabili
Puoi utilizzare i modelli sottostanti adattandoli alla tua attività. In ognuno di essi c'è l'istruzione consapevole di "dare un numero esatto, indicare la fonte, spiegare l'incertezza".
MODELLO DI RUOLO E CONFINI "Ruolo: Sei un assistente ingegnere minerario esperto. Compito: [scrivi l'oggetto]. Regole: Quando fornisci il valore numerico esatto (grado, riserva, limite), specifica la FONTE; se non sei sicuro, dì 'deve essere verificato'. Se fornisci un regolamento/articolo standard, forniscilo con la sua versione, ma ricorda che deve essere confermato dalla fonte ufficiale. Alla fine della risposta, scrivi la voce 'cosa deve essere verificato mediante misurazione/calcolo sul campo' per articolo."
MODELLO DI GENERAZIONE DI IPOTESI "Produrre un elenco sistematico di possibili ragioni per la seguente situazione: [descrivere la situazione; cosa è stato osservato, quali dati sono disponibili]. Per ciascuna ipotesi: (1) quali prove la supportano, (2) quale misurazione o calcolo dovrebbe essere effettuato per confermarla/smentirla. FARE una diagnosi definitiva; produrre una tabella di marcia per l'indagine."
MODELLO DI CHECKLIST DI VERIFICA"Elencare OGNI valore numerico e OGNI riferimento normativo/regolamentare nella bozza di rapporto di seguito. Per ciascuno, indicare da quale fonte (dati di autoperforazione, testo normativo, rapporto di laboratorio, indagine sul campo) dovrebbe essere verificato. Raccogliere quelli di origine incerta sotto "non può essere utilizzato senza verifica". Testo: [incolla]."
MODELLO DI PRE-VERIFICA DELL'ANONIMIZZAZIONE "Prima di fornire il seguente testo a uno strumento di intelligenza artificiale, contrassegnare il segreto commerciale o le parti sensibili personali/normative: numeri di riserva, numero di licenza, coordinate effettive, nomi di clienti/personale, dati di costo riservati. Suggerisci come posso renderli anonimi. Testo: [incolla]."
Prompt debole / Prompt forte
Porre la stessa domanda in due modi produrrà risultati molto diversi.
PRONTO DEBOLE: "A quanto ammonta la riserva di questa mina?"
SUGGERIMENTO FORTE: "Ruolo: sei l'assistente geologo delle risorse. Spiega quali passaggi deve passare una stima di riserva/risorsa (compositing, variogramma, kriging, classificazione, limite economico) e quali dati e quale persona competente è richiesta in ogni passaggio. NON FORNIRE UN numero di riserva ESATTO; sottolinea che questo può essere calcolato solo dai dati propri del progetto e dovrebbe essere riportato nell'ambito di un codice come JORC/UMREK."
Un debole stimolo invita l’intelligenza artificiale a fare pace; Il forte suggerimento lo mantiene nel posto giusto (descrizione del processo) e impedisce in primo luogo che si verifichi l'allucinazione digitale.
Errori comuni
- “Chiedere” all’IA numeri specifici del corso come voto, riserva, ecc. L’AI non conosce i tuoi dati; questi numeri sono calcolati esclusivamente dal tuo database.
- Utilizzare la normativa/clausola standard senza confermarla. Il numero e il valore dell'articolo sono spesso allucinati.
- Basare le decisioni critiche per la sicurezza sui risultati dell’intelligenza artificiale. Le decisioni relative all'evacuazione, all'approvazione dell'esplosione e alla funzionalità vengono prese dall'ingegnere competente.
- Incollare i dati sensibili nello strumento cloud senza anonimizzarli. I dati relativi alla prenotazione, al coordinamento e ai costi sono segreti commerciali.
- In attesa di una domanda e una risposta. Usa l'intelligenza artificiale in modo iterativo: genera bozze, critica, verifica, correggi.
Attenzione: quanto più un numero appare preciso e sicuro in un output dell'intelligenza artificiale, tanto maggiore è la necessità di verifica. La precisione non è una garanzia di accuratezza.
In sintesi
In questa unità hai visto che l'intelligenza artificiale è un assistente nel settore minerario, non un decisore. Gli LLM sono predittori del linguaggio; È potente nella spiegazione dei concetti, nella pulizia dei dati, nelle ipotesi e nella generazione di codici, ma rischioso nel produrre numeri e leggi precisi (allucinazione). Classifica le attività come basse/medie/alte/critiche e regola di conseguenza la profondità di verifica. Verifica ogni valore numerico dai tuoi dati o misurazioni sul campo, ogni riferimento normativo dalla fonte ufficiale. Le decisioni critiche per la sicurezza spettano sempre al tecnico competente e rendono anonimi i dati sensibili prima dell'uso.
Compito dell'applicazione
Scegli cinque attività della tua attività (o di un progetto minerario fittizio): una descrizione del concetto, una pulizia dei dati, un elenco di ipotesi, una riserva/valore numerico e una domanda normativa. Inserisci ciascuno nella tabella dei rischi sopra. Quindi esternalizzare due compiti a basso/medio rischio all’IA con il modello “Ruolo e confine” e contrassegnare ogni elemento numerico/normativo dell’output con il modello “Lista di controllo di verifica”. Annota quali elementi non possono essere utilizzati senza verifica.
lista di controllo
- [ ] Ho posizionato la missione a livello di rischio (basso/medio/alto/critico) prima di utilizzarla.
- [] Ho calcolato numeri specifici del campo come voto, riserva, ecc. dal mio rendimento invece di chiedere all'intelligenza artificiale.
- [ ] Ho verificato ogni riferimento normativo/normativo dalla fonte ufficiale.
- [ ] Ho anonimizzato i dati sensibili (riserva, coordinate, nome, costo).
- [] Ho lasciato la decisione critica per la sicurezza all'approvazione dell'ingegnere competente, non sulla base dei risultati dell'intelligenza artificiale.
- [] Ho scansionato ogni valore numerico nell'output AI per "non può essere utilizzato senza verifica".