Winst:
- Mogelijkheid om te onderscheiden waar AI realtime bespaart in de mijnbouwtechnische workflow en waar de veiligheidskritische verantwoordelijkheid bij de bevoegde ingenieur moet blijven liggen, afhankelijk van het risiconiveau
- Mogelijkheid om een meerlaagse validatiediscipline te implementeren die elke AI-output test aan de hand van standaard, onafhankelijke berekeningen en veldmetingen
- Mogelijkheid om de context te anonimiseren en de gewoonte te verwerven om veilige voertuigen te kiezen om reservegegevens, licentie-informatie en personeels-/productiegegevens te beschermen
Het is de taak van een mijningenieur om de onzekerheid onder de grond te overbruggen met de beslissingen boven de grond. Het schatten van het ertslichaam op basis van boorgegevens, het berekenen van de reserve, het plannen van de put, het beheren van het materieelpark, het monitoren van het hellingsgedrag, het waarborgen van de arbeidsveiligheid, het meten van de milieu-impact en het rapporteren hiervan allemaal in overeenstemming met de wetgeving. Het gemeenschappelijke kenmerk van deze banen is dat ze werken met een groot aantal metingen en gegevens, maar elke beslissing resulteert in mensenlevens, miljoenen lira aan investeringen en onomkeerbare gevolgen voor het milieu in het veld. Kunstmatige intelligentie (kortweg AI; softwaresystemen die werken met tekst, cijfers en afbeeldingen met big data en taalmodellen) is een krachtig hulpmiddel op dit data-intensieve maar beslissingskritische terrein. Dit onderdeel leert je waar je AI veilig kunt gebruiken in de mijnbouw, waar het gevaarlijk is, en waarom je elke AI-output moet valideren aan de hand van standaarden, veldmetingen en technisch oordeel.
Het centrale principe dat u in deze module zult gebruiken is: AI is een assistent, geen beslisser. Een waarde (metaalverhouding in het erts), een hellingshoek, een reservecijfer, een veiligheidslimiet of een wetsartikel worden niet waar alleen maar omdat "AI het zegt"; Het is slechts een hypothese totdat het wordt geverifieerd door metingen, referenties en het oordeel van een competente ingenieur. Je ziet deze zin terug in elke eenheid van de module, omdat in de mijnbouw een verkeerd getal vaak het instorten van een investering, het instorten van een helling of de verwonding van een persoon betekent.
Wat is LLM en wat doet het in de mijnbouw?
LLM (Large Language Model) is software die patronen leert uit zeer grote stukken tekst en het "volgende woord" voorspelt op basis van waarschijnlijkheid. Dit is de motor van tools zoals ChatGPT, Claude, Gemini. Het punt is dit: LLM is een ‘taalschatter’, geen ‘kennisbank’. Spreekt vloeiend mijnterminologie, maar geeft geen cijfer; levert het getal op dat er het meest waarschijnlijk uitziet. Daarom kan hij of zij zelfverzekerde maar onjuiste antwoorden geven over het gemiddelde cijfer, het strippercentage, een wettelijke clausule of een explosielimiet. Dit wordt een hallucinatie (verzinsel) genoemd. Hallucinatie is geen storing, maar een inherent kenmerk van deze technologie; Daarom is verificatie geen ‘extra stap’, maar een integraal onderdeel van het werk.
Taken waarbij AI sterk is in de mijnbouw:
- Conceptuitleg en lesgeven: wat is een variogram, hoe werkt de hefboomregel, hoe zure mijndrainage plaatsvindt.
- Opschonen en ordenen van gegevens: het omzetten van verspreide boorgatlogboeken in een samenhangende tabel, waarbij de mismatch van eenheden wordt vastgelegd.
- Het genereren van een lijst met hypothesen: het systematisch opsommen van mogelijke oorzaken van een productiedaling.
- Codering: scripts voor gegevensopschoning, grafieken, geostatistiek en anomalieanalyse met Python.
- Ontwerptekst: JSA (analyse van de arbeidsveiligheid), milieumonitoringrapport, ontwerpaanbesteding/technische specificatie.
- Brainstorm: scenariovergelijking, ideeën voor experimenten/meetplannen.
Waar AI zwak en riskant is:
- Geeft exacte numerieke waarde (helling, reserve, hellingshoek, grenswaarde).
- Actuele en specifieke wetgeving/standaardartikel- en versie-informatie.
- Diagnose zonder daadwerkelijke meetgegevens van uw terrein.
- Veiligheidskritische beslissing: goedkeuring van explosieontwerp, evacuatiebeslissing, bruikbaarheid.
Risicogebaseerde classificatie: het filter vóór het gebruik van AI
Niet elke taak brengt hetzelfde risico met zich mee. Classificeer de taak op risiconiveau voordat u AI gebruikt. De onderstaande tabel biedt een beslissingskader dat u tijdens deze module zult gebruiken.
Risiconiveau
voorbeeld taak
AI-rol
Verplichte verificatie
laag
Conceptuitleg, concepttekst, codeskelet
gratis gebruik
Recensie is genoeg
middelmatig
Gegevensopschoning, hypotheselijst, berekeningsopstelling
Concept/co-auteur
Handmatige bediening + bronbevestiging
hoog
Reserveschatting, putlimiet, explosieparameter
ideeëngenerator
Standaard + veldmeting + software
kritisch
Evacuatiebeslissing, hellingveiligheid, bruikbaarheid/geschiktheidsbeslissing
Alleen concept/scan
Goedkeuring door bevoegde ingenieurs + geaccrediteerde tests
Tip: Als u een taak als ‘kritiek’ heeft gemarkeerd, is de uitvoer van de AI nooit het definitieve document. Het kan hoogstens een voorontwerp of checklist zijn; De bevoegde ingenieur neemt de handtekening en de verantwoordelijkheid op zich.
End-to-end flow: AI inbedden in uw workflow
Een typische probleemoplossende cyclus in de mijnbouw gaat als volgt, waarbij AI bij elke stap betrokken is, maar deze niet alleen afrondt:
- Definieer het probleem: wat moet worden voorspeld, welke beslissing moet worden genomen, welke beperking is er? (AI: verduidelijkt de vraag.)
- Gegevens verzamelen en opschonen: boren, productie, monitoring, laboratoriumgegevens. (AI: sterk in opschonen en inconsistentiecontrole.)
- Genereer hypothesen/scenario's: mogelijke oorzaken, alternatieve plannen. (AI: produceert een systematische lijst.)
- Analyseren: Berekening, geostatistiek, model, beeldverwerking. (AI: genereert code en rekenfictie.)
- Verifiëren: Standaard, veld, zelfstandig account, software. (AI staat aan de zijlijn; mensen en metingen beslissen.)
- Rapporteren en beslissen: De bevoegde ingenieur neemt de verantwoordelijkheid. (AI: conceptschrijver.)
Houd deze zes stappen in gedachten; de rest van de module laat je stap voor stap zien hoe je AI kunt gebruiken bij concrete mijnbouwtaken.
drie minikoffers
Geval 1 — Opgemaakt gemiddeld cijfer. Een stagiair vraagt de AI-chattool naar het gemiddelde cijfer van een koperproject; AI zegt “ongeveer 0,65% Cu.” De stagiair zet dit in de beleggingspresentatie. AI heeft echter geen enkele boorgegevens van dit project gezien; produceerde een typisch nummer voor het "koperproject". De echte waarde komt alleen voort uit de eigen samengestelde boorgegevens en geostatistische schattingen van het project; De reële waarde in dit project bedraagt 0,38%. Het verschil is het verschil tussen de investering die winstgevend lijkt en verlies oplevert. De juiste houding is om nooit het cijfer voor de AI te ‘vragen’, maar dit te berekenen vanuit je eigen database.
Geval 2 — Niet-bestaande regelgevingsclausule. Een ingenieur vraagt aan de AI wat de maximale grondtrilling (PPV: piekdeeltjessnelheid, mm/s) is die is toegestaan bij het explosief. De AI zegt "10 mm/s volgens regelgeving" en verzint een artikelnummer. De ingenieur schrijft het rapport overeenkomstig. Tijdens de inspectie blijkt dat het artikelnummer niet echt is en dat de grenswaarde varieert afhankelijk van de afstand en het type gebouw. De juiste houding is om de huidige regelgeving uit de officiële bron te halen en de waarde en inhoud ervan te bevestigen. Zelfs als de AI de naam van de regeling correct kent, kan deze het artikelnummer hallucineren.
Geval 3 — Correct gebruik. Een geoloog vermoedt een discrepantie in de cijferkolom in een dataset van 40 boorgaten. Het vertelt de AI om "de rijen in deze tabel op te sommen die inconsistenties in de eenheden, negatieve waarden, zichtbare uitschieters en lege cellen kunnen hebben, en voor elke rij op te schrijven wat je vermoedt; NIET corrigeren, gewoon markeren." De AI markeert een paar regels gemengd met% gemengd met ppm, twee negatieve cijfers en een codewaarde van 999. De geoloog controleert en corrigeert deze één voor één vanuit de ruwe stammen. Hier werd AI correct gebruikt: trok de aandacht, de mens nam de beslissing en corrigeerde.
Kopieerbare promptsjablonen
U kunt onderstaande sjablonen gebruiken door ze aan te passen aan uw eigen bedrijf. In elk ervan zit een bewuste instructie om "een exact getal te geven, de bron aan te geven, de onzekerheid uit te leggen".
ROL- EN GRENS-SJABLOON "Rol: U bent een ervaren mijningenieur-assistent. Taak: [schrijf het onderwerp]. Regels: Geef bij het opgeven van de exacte numerieke waarde (cijfer, reserve, limiet) de BRON op; als u het niet zeker weet, zeg dan 'moet worden geverifieerd'. Als u een voorschrift/standaardartikel geeft, geef dit dan met de versie ervan, maar herinner eraan dat het moet worden bevestigd door de officiële bron. Aan het einde van het antwoord schrijft u 'wat moet worden geverifieerd door veldmeting/-berekening' door artikel."
SJABLOON VOOR HET GENEREREN VAN HYPOTHESES "Maak een systematische lijst van mogelijke redenen voor de volgende situatie: [beschrijf de situatie; wat is waargenomen, welke gegevens zijn beschikbaar]. Voor elke hypothese: (1) welk bewijsmateriaal deze ondersteunt, (2) welke meting of berekening moet worden uitgevoerd om deze te bevestigen/weerleggen. MAAK een definitieve diagnose; maak een routekaart voor onderzoek."
VERIFICATIE CHECKLIST SJABLOON "Maak een lijst van ELKE numerieke waarde en ELKE regelgeving/standaardreferentie in het onderstaande rapportontwerp. Geef voor elk aan uit welke bron (zelfborende gegevens, regelgevingstekst, laboratoriumrapport, veldonderzoek) deze moet worden geverifieerd. Verzamel die van onzekere oorsprong onder 'kan niet worden gebruikt zonder verificatie'. Tekst: [plakken]."
ANONYMISATIE PRE-CHECK SJABLOON "Voordat u de volgende tekst aan een AI-tool geeft, markeer bedrijfsgeheimen of persoonlijke/regelgevende gevoelige delen: reservenummers, licentienummer, feitelijke coördinaten, namen van klanten/personeel, vertrouwelijke kostengegevens. Stel voor hoe ik deze kan anonimiseren. Tekst: [plakken]."
Zwakke prompt/sterke prompt
Als je op twee manieren dezelfde vraag stelt, krijg je heel verschillende resultaten.
ZWAKKE VRAAG: "Hoeveel bedraagt de reserve van deze mijn?"
STERKE VRAAG: "Rol: Jij bent de assistent-hulpbrongeoloog. Leg uit welke stappen een reserve-/hulpbronschatting moet doorlopen (compositing, variogram, kriging, classificatie, economische limiet) en welke gegevens en goedkeuring van welke competente persoon bij elke stap vereist zijn. GEEF GEEN EXACT reservenummer; benadruk dat dit alleen kan worden berekend op basis van de eigen gegevens van het project en moet worden gerapporteerd in het kader van een code zoals JORC/UMREK."
Zwakke prompt nodigt AI uit om het goed te maken; De sterke prompt houdt het in de juiste baan (procesbeschrijving) en voorkomt dat de digitale hallucinatie überhaupt optreedt.
Veel voorkomende fouten
- Het “vragen” van de AI naar vakspecifieke cijfers zoals cijfer, reserve etc. AI kent jouw gegevens niet; deze cijfers worden uitsluitend berekend op basis van uw eigen database.
- De wetgeving/standaardclausule gebruiken zonder deze te bevestigen. Het artikelnummer en de waarde worden vaak gehallucineerd.
- Veiligheidskritische beslissingen baseren op AI-output. Beslissingen over evacuatie, explosiegoedkeuring en bruikbaarheid worden genomen door de bevoegde ingenieur.
- Gevoelige gegevens in de cloudtool plakken zonder deze te anonimiseren. Reserverings-, coördinaat- en kostengegevens zijn bedrijfsgeheimen.
- Wachtend op één vraag en één antwoord. Gebruik AI iteratief: genereer concepten, bekritiseer, verifieer, corrigeer.
Let op: Hoe nauwkeuriger en betrouwbaarder een getal in een AI-uitvoer verschijnt, hoe groter de behoefte aan verificatie. Precisie is geen garantie voor nauwkeurigheid.
Samengevat
In deze unit heb je gezien dat AI een assistent is in de mijnbouw, en geen beslisser. LLM's zijn taalvoorspellers; Het is krachtig bij het uitleggen van concepten, het opschonen van gegevens, het genereren van hypothesen en het genereren van codes, maar riskant bij het produceren van precieze cijfers en wetgeving (hallucinatie). Classificeer taken als laag/gemiddeld/hoog/kritiek en pas de verificatiediepte dienovereenkomstig aan. Verifieer elke numerieke waarde op basis van uw eigen gegevens of veldmetingen, en elke verwijzing naar regelgeving uit de officiële bron. Beveiligingskritische beslissingen blijven altijd bij de bevoegde ingenieur en anonimiseren gevoelige gegevens vóór gebruik.
Applicatie taak
Kies vijf taken uit uw eigen bedrijf (of een fictief mijnbouwproject): een conceptbeschrijving, het opschonen van gegevens, een lijst met hypothesen, een reserve-/numerieke waarde en een regelgevende vraag. Plaats ze allemaal in de risicotabel hierboven. Besteed vervolgens twee taken met een laag/gemiddeld risico uit aan de AI met het sjabloon ‘Rol en grens’ en markeer elk numeriek/regelgevend element van de output met het sjabloon ‘Verificatiechecklist’. Schrijf op welke elementen niet zonder verificatie kunnen worden gebruikt.
controlelijst
- [ ] Ik heb de missie op risiconiveau (laag/gemiddeld/hoog/kritiek) geplaatst voordat ik deze gebruikte.
- [ ] Ik heb veldspecifieke getallen zoals cijfer, reserve, etc. berekend op basis van mijn eigen opbrengst in plaats van dit aan de AI te vragen.
- [ ] Ik heb elke wetgeving/standaardreferentie uit de officiële bron geverifieerd.
- [ ] Ik heb gevoelige gegevens geanonimiseerd (reserveren, coördinaten, naam, kosten).
- [ ] Ik liet de veiligheidskritische beslissing over aan de goedkeuring van een competente ingenieur, en niet op basis van AI-output.
- [ ] Ik heb elke numerieke waarde in de AI-uitvoer gescand op "kan niet worden gebruikt zonder verificatie".