Guadagni:
- Capacità di pulire i registri di perforazione, la litologia e i dati di classificazione con il supporto dell'intelligenza artificiale e di rilevare incoerenze ed errori di codifica
- Capacità di posizionare accuratamente l'intelligenza artificiale come generatore di preclassificazione e ipotesi nell'interpretazione della fotografia di base e dell'osservazione geologica
- Capacità di convalidare in modo incrociato l'interpretazione dedotta dalla litologia/alterazione dell'IA con l'osservazione dei geologi e le analisi di laboratorio
La base di ogni progetto minerario sono i campioni prelevati dal sottosuolo. Il più importante di questi esempi è la carota (un campione continuo che la perforatrice estrae dalla roccia in forma cilindrica). Il geologo esamina il nucleo; Registra il tipo di roccia (litologia), la struttura, l'alterazione (cambiamento della roccia dovuto ad acque calde ed effetti chimici) e la mineralizzazione e analizza i campioni di laboratorio per determinarne il grado. Il risultato è un'enorme tabella registrata metro per metro, chiamata registro di perforazione. Potrebbero esserci centinaia di perforazioni e decine di migliaia di linee in un unico progetto. Pulendo questi dati, combinandoli, cogliendo incoerenze ed estraendo le interpretazioni iniziali; Questa è un'area in cui l'intelligenza artificiale sta davvero accelerando, ma ogni passaggio deve essere verificato con l'occhio di un geologo. In questa unità imparerai come pulire i dati di perforazione/geologia con l'intelligenza artificiale, come pre-interpretare l'immagine principale e come convalidare i risultati.
Anatomia delle tabelle dati di perforazione
Un set di dati di perforazione è in genere composto da quattro tabelle e combinarle correttamente rappresenta metà del lavoro:
- Collare: le coordinate iniziali (X, Y, Z) e la profondità totale di ciascun foro.
- Rilievo (deviazione): variazione della pendenza (dip) e della direzione (azimut) della perforazione lungo la profondità. La perforazione non va mai perfettamente diritta.
- Litologia: tipo di roccia e osservazioni geologiche in tutta la gamma di profondità (da-a).
- Analisi: risultati di laboratorio nell'intero intervallo di profondità (ad es. Au g/t, Cu %).
Queste tabelle devono rispettare regole come da < a, gli intervalli non devono sovrapporsi e i codici devono essere coerenti. Nella vita reale, ci sono sempre errori in questi dati inseriti manualmente: intervallo mancante, intervallo sovrapposto, confusione di unità (ppm e % di miscelazione), diverse ortografie del codice litologico (GRN, Grn, granito), codici come 999 o -9 invece di un valore nullo. L’intelligenza artificiale è molto potente nel scansionare e segnalare tali incoerenze; Ma devi apportare la correzione con l'approvazione del geologo.
Passo dopo passo: perforazione della pulizia dei dati con l'intelligenza artificiale
- Presentare i dati. Fornisci all'IA i nomi delle colonne, le unità e alcune righe di esempio (rendendo anonime le coordinate effettive). Descrivi chiaramente cosa dovrebbe succedere.
- Fai un elenco di regole. Chiedi all'IA un elenco di "quali regole di coerenza dovrei controllare per questa tabella", aggiungi le tue regole in cima.
- Eseguire una scansione delle incoerenze. Basta chiedere all'IA la segnalazione, non la correzione automatica. Chiedi una giustificazione per ogni segno.
- Ritorno alla fonte grezza. Confrontare ciascuna linea contrassegnata con il registro originale del foro o con il certificato di laboratorio.
- Prendi la decisione di risolverlo. Il geologo apporta la correzione; L'intelligenza artificiale suggerisce semplicemente.
Suggerimento: non dire all'IA "dammi la tabella corretta"; Di' "segnala linee sospette con motivo". In una tabella a correzione automatica è quasi impossibile notare le righe danneggiate silenziosamente.
Foto principale e interpretazione visiva
Nei progetti moderni, le scatole centrali vengono fotografate. Strumenti di intelligenza artificiale multimodello (modelli che possono anche elaborare immagini) possono produrre un'interpretazione preliminare da queste fotografie: cambiamento di colore, possibile densità di frattura, presenza di vene, possibili zone di alterazione. Questo è prezioso come screening preliminare che dice al geologo "guarda attentamente qui". Tuttavia, le decisioni sulla litologia e sull'alterazione non vengono mai prese dalle fotografie; Sono necessari l'esame manuale del nucleo, il test di durezza, la reazione acida e le analisi di laboratorio. È un grave errore per l’IA dedurre “c’è l’oro” dal colore; L'oro è spesso invisibile a occhio nudo e può essere identificato solo mediante analisi.
tre mini custodie
Caso 1: cattura dell'interferenza dell'unità. In un progetto, sono presenti 12.000 righe nella tabella del dosaggio. Il geologo presenta la tabella all'IA e dice: "Elenca le righe con valori superiori a 100 g/t nella colonna Au; questi possono essere di vero grado elevato o di miscelazione ppm/ppb". L'intelligenza artificiale segna 37 linee. Il geologo esamina i certificati di laboratorio; Scopre che 34 sono stati effettivamente inseriti come ppb (uno per miliardo), ma si pensava erroneamente che fossero g/t, mentre 3 erano la vera miniera d'oro (voto molto alto). Se queste 34 linee non venissero corrette, la media dei voti sarebbe gonfiata artificialmente e la riserva sarebbe esagerata.
Caso 2 – Intervallo di sovrapposizione. In una tavola litologica, alcuni degli intervalli da a si sovrappongono: 45,0-52,0 m di granito e 50,0-58,0 m di scisto sono definiti simultaneamente. L'intelligenza artificiale elenca queste sovrapposizioni e mostra un totale di 19 linee di sovrapposizione. Il geologo si rivolge al tronco grezzo; trova e corregge uno spostamento di riga nell'immissione dei dati. Se gli intervalli di sovrapposizione non fossero corretti, non sarebbe chiaro quale tipo di roccia verrebbe assegnato al modello a blocchi e il tonnellaggio verrebbe calcolato in modo errato.
Caso 3 – Inferenza visiva errata (avvertimento). Uno stagista dà la foto principale all'IA e chiede: "C'è del minerale in questa zona?" L'intelligenza artificiale vede arrossamenti e vene e dice che "la possibile mineralizzazione è alta". Il tirocinante lo elabora nel registro come "mineralizzato". Considerando che il rossore è una colorazione di ossido di ferro e non contiene minerali economici; L'analisi di laboratorio rileva il grado a livello di tracce. Lezione: il grado/minerale non può essere determinato dall'immagine; L'output dell'IA è solo un segno di "esame", verificato mediante analisi.
Modelli di prompt copiabili
SCANSIONE DELLA COERENZA DEI DATI DEL DRILL "Ruolo: Sei un assistente geologo di risorse/database. Di seguito è riportata una tabella [litologia/analisi] spaziata da-a. Colonne: [elenco, con unità]. Contrassegna le seguenti incoerenze con numero RIGA e motivo: da>=a, intervallo sovrapposto, divario, sospetta confusione di unità, ortografia diversa del codice ripetuto, negativo/valore anomalo, codice anziché spazio (999/-9). NON CORREGGERE, basta contrassegnare Tabella: [incolla].”
STANDARDIZZAZIONE DEL CODICE LITOLOGICO "I seguenti codici litologici sono stati inseriti a mano e non sono coerenti. Raggruppare diverse ortografie dello stesso tipo di roccia (es. GRN/Grn/granito). Scrivere un unico codice standard consigliato per ogni gruppo. In una tabella: [codici originali] -> [standard consigliato]. Segna separatamente i gruppi di cui non si è sicuri; lasciami decidere. Codici: [incolla]."
PRE-SCANSIONE FOTO PRINCIPALE "Elenca le caratteristiche visive che dovrei notare in questa foto principale: zone di cambiamento di colore, possibile frattura/densità di frattura, vena visibile, possibile segno di alterazione. Scrivi queste come IPOTESI; NON decidere il tipo o il grado della roccia. Per ciascuna caratteristica, indica cosa il geologo dovrebbe verificare sul campo."
RIASSUNTO DEL LOG GEOLOGICO "Il testo che segue è il log geologico di una perforazione. Trasformalo in un riassunto strutturato con i seguenti titoli: litologie dominanti e intervalli di profondità, zone di alterazione, note strutturali (faglia/frattura), osservazioni di mineralizzazione. Non aggiungere nulla che NON sia nel testo; contrassegna le frasi ambigue come 'non chiare'. Log: [incolla]."
Prompt debole / Prompt forte
RICHIESTA DEBOLE: "Correggi questi dati di perforazione."
RICHIESTA FORTE: "Ruolo: sei un assistente geologo del database. Nella tabella di analisi seguente, contrassegna SOLO le righe sospette (da>=a, ppm/% sospetta adulterazione, valore negativo, 999 anziché vuoto). Fornisci il numero di riga + motivo per ciascun contrassegno. NON correggere automaticamente; controllerò la correzione dal certificato grezzo. Colonne: HoleID, Da (m), A (m), Au (g/t). Tabella: [incolla]."
Il prompt debole dice all’IA “decidi e cambia”; Il potente prompt limita l'IA alla marcatura, lasciando l'autorità di correzione al geologo.
Tabella comparativa: come utilizzare l'intelligenza artificiale in quale azienda
Ricerca
Il ruolo dell'intelligenza artificiale
la cui decisione
verifica
Marcatura di incoerenza
Browser potente
correzioni del geologo
Registro/certificato grezzo
Fusione dei codici litologici
Suggerimento
Il geologo conferma
Dizionario dei codici
Commento fotografico principale
Pre-screening/ipotesi
Geologo/laboratorio
Ispezione manuale + analisi
Decisione sul grado/minerale
Non utilizzato
laboratorio
Analisi accreditata
Riepilogare il testo del registro
configuratore
geologo
Confronto con il testo originale
Errori comuni
- Fare in modo che l'intelligenza artificiale “corregga automaticamente” la tabella. Potresti non notare distorsioni silenziose; basta segnarlo.
- Estrazione del grado/minerale dalla foto del nucleo. L'oro è spesso invisibile ad occhio nudo; La decisione è la tua analisi.
- Incollare le coordinate reali senza anonimizzare. Licenza e coordinate sono dati sensibili.
- Non confrontare il riepilogo AI con il registro originale. L'intelligenza artificiale può aggiungere un'osservazione che non è nel testo (allucinazione).
- Ignorare la mancata corrispondenza delle unità. La miscelazione ppm/%/g/t/ppb interrompe direttamente la riserva.
Attenzione: Un errore unitario nei dati di perforazione non rimane su una sola riga; La composizione cresce e si diffonde in tutta la previsione e la riserva. La diligenza nella fase di pulizia determina l'affidabilità di tutti i conti successivi.
In sintesi
I dati di perforazione/geologia sono costituiti da quattro tabelle principali (collare, rilevamento, litologia, analisi) e le regole di coerenza sono vitali. L'intelligenza artificiale è un potente aiuto nella scansione dell'incoerenza dei dati, nella standardizzazione del codice, nel riepilogo dei registri e nella prescansione delle foto principali. Tuttavia, la decisione sulla correzione spetta al geologo, mentre la decisione sul grado/minerale spetta al laboratorio. Fai in modo che il voto AI non venga modificato, verifica ogni voto dalla fonte grezza e non dedurre mai il voto dall'immagine.
Compito dell'applicazione
Rendi anonima una tabella di analisi che possiedi (o un campione) e forniscila all'intelligenza artificiale con il modello "Scansione della coerenza dei dati di perforazione". Importa le righe contrassegnate in una tabella; Considera una nota "da controllare dalla fonte grezza" per ciascuno. Quindi creare il dizionario dei codici con il modello “Standardizzazione del codice litologico” e annotare separatamente i gruppi di cui l’IA non è sicura. Infine, pre-scansiona una foto principale e scrivi cosa verificherai sul campo per ogni ipotesi che emerge.
lista di controllo
- [ ] Ho reso anonime le informazioni effettive sulle coordinate/licenza prima di fornire i dati all'IA.
- [ ] Ho chiesto all'AI un voto giustificato, non una correzione.
- [ ] Ho controllato ogni riga contrassegnata rispetto al registro grezzo/certificato di laboratorio.
- [ ] Ho anche verificato la consistenza del volume (g/t, %, ppm, ppb).
- [ ] Ho considerato l'output fotografico principale come un'ipotesi, non ho preso una decisione sul voto.
- [ ] Ho confrontato il riepilogo AI con il testo del registro originale per verificare che non fossero aggiunte informazioni.