Pengenalan kepada Kepintaran Buatan dalam Kejuruteraan Perlombongan: Sempadan, Pengesahan, Tanggungjawab dan Etika

Keuntungan:

• Keupayaan untuk membezakan di mana AI menjimatkan masa nyata dalam aliran kerja kejuruteraan perlombongan dan di mana tanggungjawab kritikal keselamatan harus kekal dengan jurutera yang cekap, bergantung pada tahap risiko
• Keupayaan untuk melaksanakan disiplin pengesahan berbilang lapisan yang menguji setiap output AI terhadap standard, pengiraan bebas dan pengukuran medan
• Keupayaan untuk menamakan konteks dan memperoleh tabiat memilih kenderaan yang selamat untuk melindungi data rizab, maklumat lesen dan data kakitangan/pengeluaran

Tugas seorang jurutera perlombongan adalah untuk merapatkan ketidakpastian di bawah tanah dengan keputusan di atas dasar. Menganggar badan bijih daripada data penggerudian, mengira rizab, merancang lubang, menguruskan armada peralatan, memantau tingkah laku cerun, memastikan keselamatan pekerjaan, mengukur kesan alam sekitar dan melaporkan semua ini mengikut perundangan. Ciri umum pekerjaan ini ialah mereka bekerja dengan sejumlah besar ukuran dan data, tetapi setiap keputusan menghasilkan kehidupan manusia, berjuta-juta lira pelaburan dan akibat alam sekitar yang tidak dapat dipulihkan di lapangan. Kecerdasan buatan (pendek kata AI; sistem perisian yang berfungsi pada teks, nombor dan imej dengan data besar dan model bahasa) ialah bantuan yang berkuasa dalam asas data yang intensif tetapi kritikal ini. Unit ini mengajar anda tempat untuk menggunakan AI dengan selamat dalam perlombongan, di mana ia berbahaya, dan sebab anda perlu mengesahkan setiap output AI terhadap piawaian, pengukuran medan dan pertimbangan kejuruteraan.

Prinsip utama yang akan anda gunakan sepanjang modul ini ialah: AI ialah pembantu, bukan pembuat keputusan. Nilai gred (nisbah logam dalam bijih), sudut cerun, angka simpanan, had keselamatan atau artikel perundangan tidak menjadi benar hanya kerana "AI berkata demikian"; Ia hanyalah hipotesis sehingga disahkan melalui pengukuran, rujukan, dan pertimbangan jurutera yang cekap. Anda akan melihat ayat ini sekali lagi dalam setiap unit modul, kerana dalam perlombongan, nombor yang salah selalunya bermakna keruntuhan pelaburan, keruntuhan cerun, atau kecederaan seseorang.

Apakah LLM dan apakah fungsinya dalam perlombongan?

LLM (Model Bahasa Besar) ialah perisian yang mempelajari corak daripada ketulan teks yang sangat besar dan meramalkan "perkataan seterusnya" berdasarkan kebarangkalian. Ini adalah enjin alat seperti ChatGPT, Claude, Gemini. Intinya ialah: LLM ialah "penganggar bahasa", bukan "asas pengetahuan". Bertutur terminologi perlombongan dengan lancar, tetapi tidak mengukur gred; menghasilkan nombor yang kelihatan paling mungkin. Oleh itu, dia mungkin memberikan jawapan yang yakin tetapi salah tentang gred purata, kadar pelucutan, klausa kawal selia atau had letupan. Ini dipanggil halusinasi (fabrikasi). Halusinasi bukanlah kerosakan, tetapi ciri yang wujud dalam teknologi ini; Oleh itu, pengesahan bukanlah "langkah tambahan" tetapi merupakan bahagian penting dalam tugas.

Tugas di mana AI kukuh dalam perlombongan:

• Penjelasan dan pengajaran konsep: apakah itu variogram, bagaimana peraturan leverage berfungsi, bagaimana saliran lombong asid berlaku.
• Pembersihan dan penyusunan data: menukar log lubang gerudi bertaburan menjadi jadual koheren, menangkap ketidakpadanan unit.
• Menjana senarai hipotesis: menyenaraikan secara sistematik kemungkinan punca penurunan dalam pengeluaran.
• Pengekodan: Pembersihan data, graf, geostatistik dan skrip analisis anomali dengan Python.
• Teks draf: JSA (analisis keselamatan kerja), laporan pemantauan alam sekitar, draf tender/spesifikasi teknikal.
• Sumbangsaran: perbandingan senario, idea pelan eksperimen/pengukuran.

Apabila AI lemah dan berisiko:

• Memberi nilai berangka yang tepat (gred, rizab, sudut cerun, nilai had).
• Maklumat perundangan/artikel standard dan versi semasa dan khusus.
• Diagnosis tanpa data ukuran sebenar tapak anda.
• Keputusan kritikal keselamatan: kelulusan reka bentuk letupan, keputusan pemindahan, kebolehgunaan.

Klasifikasi berasaskan risiko: penapis sebelum menggunakan AI

Tidak setiap tugas berada pada tahap risiko yang sama. Kelaskan tugas mengikut tahap risiko sebelum menggunakan AI. Jadual di bawah menyediakan rangka kerja keputusan yang akan anda gunakan sepanjang modul ini.

Tahap risiko

contoh tugasan

peranan AI

Pengesahan mandatori

rendah

Penjelasan konsep, teks draf, rangka kod

penggunaan percuma

Semakan sudah memadai

sederhana

Pembersihan data, senarai hipotesis, persediaan pengiraan

Draf/pengarang bersama

Kawalan manual + pengesahan sumber

tinggi

Anggaran rizab, had lubang, parameter letupan

penjana idea

Standard + ukuran medan + perisian

kritikal

Keputusan pemindahan, keselamatan cerun, keputusan kebolehgunaan/kesesuaian

Draf/imbas sahaja

Kelulusan jurutera kompeten + ujian bertauliah

Petua: Jika anda telah menandai tugas sebagai "kritikal", output AI bukanlah dokumen terakhir. Paling banyak ia boleh menjadi draf awal atau senarai semak; Jurutera yang cekap melaksanakan tandatangan dan tanggungjawab.

Aliran hujung ke hujung: membenamkan AI ke dalam aliran kerja anda

Kitaran penyelesaian masalah biasa dalam perlombongan berlaku seperti ini, dengan AI terlibat dalam setiap langkah tetapi tidak menutup mana-mana daripadanya sahaja:

1. Tentukan masalah: Apa yang perlu diramalkan, apakah keputusan yang perlu dibuat, apakah kekangan yang ada? (AI: menjelaskan soalan.)
2. Mengumpul dan membersihkan data: Penggerudian, pengeluaran, pemantauan, data makmal. (AI: kuat dalam pembersihan dan pemeriksaan ketidakkonsistenan.)
3. Hasilkan hipotesis/senario: Punca yang mungkin, rancangan alternatif. (AI: menghasilkan senarai sistematik.)
4. Analisis: Pengiraan, geostatistik, model, pemprosesan imej. (AI: menjana kod dan fiksyen pengiraan.)
5. Sahkan: Standard, medan, akaun kendiri, perisian. (AI berada di luar talian; manusia dan ukuran membuat keputusan.)
6. Laporkan dan buat keputusan: Jurutera yang cekap bertanggungjawab. (AI: penulis draf.)

Ingat enam langkah ini; selebihnya modul menunjukkan kepada anda cara menggunakan AI dengan tugas perlombongan konkrit, langkah demi langkah.

tiga kes mini

Kes 1 — Gred purata yang dibuat. Seorang pelatih bertanya kepada alat sembang AI tentang gred purata projek tembaga; AI berkata "kira-kira 0.65% Cu." Pelatih meletakkan ini dalam pembentangan pelaburan. Walau bagaimanapun, AI tidak melihat satu pun data penggerudian projek ini; menghasilkan nombor biasa untuk "projek tembaga". Nilai sebenar hanya datang daripada data penggerudian terkumpul projek itu sendiri dan anggaran geostatistik; Nilai sebenar dalam projek ini ialah 0.38%. Perbezaannya ialah perbezaan antara pelaburan yang kelihatan menguntungkan dan membuat kerugian. Sikap yang betul adalah untuk tidak "meminta" gred untuk AI, tetapi mengiranya daripada pangkalan data anda sendiri.

Kes 2 — Klausa peraturan tidak wujud. Seorang jurutera meminta AI getaran tanah maksimum (PPV: halaju zarah puncak, mm/s) yang dibenarkan dalam letupan. AI menyatakan "10 mm/s mengikut peraturan" dan membentuk nombor item. Jurutera menulis laporan dengan sewajarnya. Semasa pemeriksaan, didapati bahawa nombor item adalah tidak nyata dan nilai had berbeza bergantung pada jarak dan jenis bangunan. Sikap yang betul ialah membuka peraturan semasa daripada sumber rasmi dan mengesahkan nilai dan isinya. Walaupun AI mengetahui nama peraturan dengan betul, ia mungkin mengkhayalkan nombor artikel.

Kes 3 — Penggunaan yang betul. Seorang ahli geologi mengesyaki percanggahan dalam lajur gred dalam set data 40 lubang gerudi. Ia memberitahu AI untuk "menyenaraikan baris dalam jadual ini yang mungkin mempunyai ketidakkonsistenan unit, nilai negatif, pencilan yang boleh dilihat dan sel kosong, dan tulis perkara yang anda syak bagi setiap satu; JANGAN betulkan, tandakan sahaja." AI membenderakan beberapa baris bercampur dengan % bercampur dengan ppm, dua gred negatif dan nilai kod 999. Ahli geologi menyemak dan membetulkan ini satu demi satu daripada log mentah. Di sini AI digunakan dengan betul: menarik perhatian, manusia membuat keputusan dan pembetulan.

Templat gesaan yang boleh disalin

Anda boleh menggunakan templat di bawah dengan menyesuaikannya dengan perniagaan anda sendiri. Dalam setiap daripada mereka, terdapat arahan sedar untuk "memberi nombor yang tepat, menunjukkan sumber, menerangkan ketidakpastian".

PERANAN DAN TEMPLAT SEMPADAN "Peranan: Anda seorang pembantu jurutera perlombongan yang berpengalaman. Tugas: [tulis subjek]. Peraturan: Apabila memberikan nilai berangka yang tepat (gred, rizab, had), nyatakan SUMBER; jika anda tidak pasti, katakan 'mesti disahkan'. Jika anda memberikan peraturan/artikel standard, berikannya dengan versinya, tetapi ingatkan bahawa jawapannya mesti disahkan dari penghujungnya. mengikut ukuran medan/pengiraan' item demi item."

TEMPLAT PENJANAAN HIPOTESIS"Hasilkan senarai sistematik kemungkinan sebab bagi situasi berikut: [huraikan situasi; apa yang diperhatikan, apakah data yang tersedia]. Bagi setiap hipotesis: (1) apakah bukti yang menyokongnya, (2) apakah ukuran atau pengiraan yang perlu dibuat untuk mengesahkan/menyangkalnya. BUAT diagnosis muktamad; hasilkan peta jalan penyiasatan."

TEMPLAT SENARAI SEMAK PENGESAHAN"Senaraikan SETIAP nilai angka dan SETIAP peraturan/rujukan standard dalam draf laporan di bawah. Bagi setiap satu, nyatakan dari sumber mana (data penggerudian sendiri, teks kawal selia, laporan makmal, tinjauan lapangan) ia harus disahkan. Kumpulkan yang tidak pasti asalnya di bawah 'tidak boleh digunakan tanpa pengesahan'. Teks: [tampal]."

TEMPLAT PRA SEMAK ANONYMISATION "Sebelum memberikan teks berikut kepada alat AI, tandakan rahsia perdagangan atau bahagian sensitif peribadi/kawal selia: nombor rizab, nombor lesen, koordinat sebenar, nama pelanggan/kakitangan, data kos sulit. Cadangkan cara saya boleh menamakan ini tanpa nama. Teks: [tampal]."

Gesaan lemah / Gesaan kuat

Menanyakan soalan yang sama dua cara akan menghasilkan keputusan yang sangat berbeza.

GERAKAN LEMAH: "Berapa banyak rizab lombong ini?"

PROMPT KUAT: "Peranan: Anda ialah penolong ahli geologi sumber. Terangkan langkah mana yang perlu dilalui oleh anggaran rizab/sumber (penggabungan, variogram, kriging, pengelasan, had ekonomi) dan data dan kelulusan orang yang kompeten mana yang diperlukan pada setiap langkah. JANGAN BERIKAN nombor rizab yang TEPAT; tekankan bahawa projek ini hanya boleh dikira dalam kerangka data dan projek tersebut hanya boleh dikira dalam kod kerja tersebut. JORC/UMREK."

Gesaan yang lemah menjemput AI untuk membuat solek; Gesaan yang kuat memastikannya dalam tugas yang betul (huraian proses) dan menghalang halusinasi digital daripada berlaku di tempat pertama.

Kesilapan biasa

• "Meminta" AI untuk nombor khusus kursus seperti gred, rizab, dll. AI tidak mengetahui data anda; nombor ini dikira semata-mata daripada pangkalan data anda sendiri.
• Menggunakan perundangan/ klausa standard tanpa mengesahkannya. Nombor dan nilai item sering berhalusinasi.
• Mengasaskan keputusan kritikal keselamatan pada output AI. Pemindahan, kelulusan letupan dan keputusan kebolehservisan dibuat oleh jurutera yang cekap.
• Menampal data sensitif ke dalam alat awan tanpa menamakannya. Data rizab, koordinat dan kos adalah rahsia perdagangan.
• Menunggu satu soalan dan satu jawapan. Gunakan AI secara berulang: hasilkan draf, kritik, sahkan, betul.

Awas: Semakin tepat dan yakin nombor muncul dalam output AI, semakin tinggi keperluan untuk pengesahan. Ketepatan bukan jaminan ketepatan.

Secara ringkasnya

Dalam unit ini anda telah melihat bahawa AI ialah pembantu dalam perlombongan, bukan pembuat keputusan. LLM ialah peramal bahasa; Ia berkuasa dalam penjelasan konsep, pembersihan data, hipotesis dan penjanaan kod, tetapi berisiko dalam menghasilkan nombor dan perundangan yang tepat (halusinasi). Kelaskan tugas sebagai rendah/sederhana/tinggi/kritikal dan laraskan kedalaman pengesahan dengan sewajarnya. Sahkan setiap nilai berangka daripada data atau ukuran medan anda sendiri, setiap rujukan peraturan daripada sumber rasmi. Keputusan kritikal keselamatan sentiasa kekal dengan jurutera yang cekap dan menamakan data sensitif sebelum digunakan.

Tugasan permohonan

Pilih lima tugasan daripada perniagaan anda sendiri (atau projek perlombongan rekaan): penerangan konsep, pembersihan data, senarai hipotesis, nilai rizab/berangka dan soalan peraturan. Letakkan setiap satu dalam jadual risiko di atas. Kemudian penyumberan luar dua tugas berisiko rendah/sederhana kepada AI dengan templat "Peranan dan sempadan" dan tandakan setiap elemen berangka/kawal selia output dengan templat "Senarai semak pengesahan". Tulis elemen yang tidak boleh digunakan tanpa pengesahan.

senarai semak

• [ ] Saya meletakkan misi pada tahap risiko (rendah/sederhana/tinggi/kritikal) sebelum menggunakannya.
• [ ] Saya mengira nombor khusus medan seperti gred, rizab, dsb. daripada hasil saya sendiri dan bukannya bertanya kepada AI.
• [ ] Saya telah mengesahkan setiap perundangan/rujukan standard daripada sumber rasmi.
• [ ] Saya menamakan data sensitif (rizab, koordinat, nama, kos).
• [ ] Saya menyerahkan keputusan kritikal keselamatan kepada kelulusan jurutera yang kompeten, bukan berdasarkan output AI.
• [ ] Saya mengimbas setiap nilai berangka dalam output AI untuk "tidak boleh digunakan tanpa pengesahan".