Gevinster:
- Evne til å skille hvor AI sparer sanntid i gruveingeniørarbeidsflyten og hvor sikkerhetskritisk ansvar bør forbli hos den kompetente ingeniøren, avhengig av risikonivået
- Evne til å implementere en flerlags valideringsdisiplin som tester hver AI-utgang mot standard, uavhengig beregning og feltmåling
- Evne til å anonymisere kontekst og tilegne seg en vane med å velge sikre kjøretøy for å beskytte reservedata, lisensinformasjon og personell/produksjonsdata
En gruveingeniørs jobb er å bygge bro over usikkerheten under bakken med beslutningene over bakken. Estimere malmkroppen ut fra boredata, kalkulere reserven, planlegge gropen, administrere utstyrsflåten, overvåke skråningsadferd, sikre arbeidssikkerhet, måle miljøbelastningen og rapportere alt dette i henhold til lovverket. Fellestrekket for disse jobbene er at de jobber med et stort antall målinger og data, men hver beslutning resulterer i menneskeliv, millioner av lire med investeringer og irreversible miljøkonsekvenser i felten. Kunstig intelligens (forkortet AI; programvaresystemer som fungerer på tekst, tall og bilder med store data og språkmodeller) er et kraftig hjelpemiddel i denne dataintensive, men beslutningskritiske grunnen. Denne enheten lærer deg hvor du trygt kan bruke AI i gruvedrift, hvor det er farlig, og hvorfor du må validere hver AI-utgang mot standarder, feltmålinger og tekniske vurderinger.
Det sentrale prinsippet du vil bruke gjennom denne modulen er: AI er en assistent, ikke en beslutningstaker. En grad (metallforhold i malmen) verdi, en helningsvinkel, en reservetall, en sikkerhetsgrense eller en lovartikkel blir ikke sann bare fordi "AI sa det"; Det er bare en hypotese inntil det er verifisert ved måling, referanse og kompetent ingeniørvurdering. Du vil se denne setningen igjen i hver enhet av modulen, fordi i gruvedrift betyr feil tall ofte kollaps av en investering, kollaps av en skråning eller skade på en person.
Hva er LLM og hva gjør det i gruvedrift?
LLM (Large Language Model) er en programvare som lærer mønstre fra svært store tekstbiter og forutsier «neste ord» basert på sannsynlighet. Dette er motoren til verktøy som ChatGPT, Claude, Gemini. Poenget er dette: LLM er en "språkestimator", ikke en "kunnskapsbase". Snakker gruveterminologi flytende, men måler ikke en karakter; produserer tallet som ser mest sannsynlig ut. Derfor kan han eller hun gi sikre, men feilaktige svar om gjennomsnittskarakter, strippingfrekvens, en forskriftsklausul eller en eksplosjonsgrense. Dette kalles en hallusinasjon (fabrikasjon). Hallusinasjon er ikke en funksjonsfeil, men en iboende egenskap ved denne teknologien; Derfor er verifisering ikke et "ekstra trinn", men en integrert del av jobben.
Oppgaver der AI er sterk i gruvedrift:
- Konseptforklaring og undervisning: hva er et variogram, hvordan virker innflytelsesregelen, hvordan sur minedrenering skjer.
- Datarensing og organisering: gjør spredte borehullslogger om til en sammenhengende tabell, og fanger opp enhetsfeil.
- Generere en liste over hypoteser: systematisk liste over mulige årsaker til en nedgang i produksjonen.
- Koding: Datarensing, grafer, geostatistikk og anomalianalyseskript med Python.
- Utkast til tekst: JSA (arbeidssikkerhetsanalyse), miljøovervåkingsrapport, utkast til anbud/teknisk spesifikasjon.
- Brainstorm: scenariosammenligning, eksperimenter/måleplanideer.
Hvor AI er svak og risikabelt:
- Oppgi nøyaktig tallverdi (karakter, reserve, skråningsvinkel, grenseverdi).
- Gjeldende og spesifikk lovgivning/standard artikkel og versjonsinformasjon.
- Diagnose uten faktiske måledata for nettstedet ditt.
- Sikkerhetskritisk beslutning: godkjenning av sprengningsdesign, evakueringsbeslutning, servicevennlighet.
Risikobasert klassifisering: filteret før bruk av AI
Ikke alle oppgaver er på samme risikonivå. Klassifiser oppgaven etter risikonivå før du bruker AI. Tabellen nedenfor gir et beslutningsrammeverk som du vil bruke gjennom denne modulen.
Risikonivå
prøveoppgave
AI rolle
Obligatorisk verifisering
lav
Konseptforklaring, tekstutkast, kodeskjelett
gratis bruk
Anmeldelse er nok
medium
Datarydding, hypoteseliste, beregningsoppsett
Utkast/medforfatter
Manuell kontroll + kildebekreftelse
høy
Reserveberegning, gropgrense, sprengningsparameter
idégenerator
Standard + feltmåling + programvare
kritisk
Evakueringsbeslutning, skråningssikkerhet, brukbarhet/egnethetsbeslutning
Kun utkast/skanning
Kompetent ingeniørgodkjenning + akkreditert testing
Tips: Hvis du har merket en oppgave som "kritisk", er AI-ens utdata aldri det endelige dokumentet. På det meste kan det være et foreløpig utkast eller sjekkliste; Den kompetente ingeniøren påtar seg signaturen og ansvaret.
End-to-end-flyt: Integrer AI i arbeidsflyten din
En typisk problemløsningssyklus i gruvedrift går slik, med AI som engasjerer seg i hvert trinn, men ikke lukker noen av dem alene:
- Definer problemet: Hva skal forutsi, hvilken beslutning skal ta, hvilken begrensning er det? (AI: klargjør spørsmålet.)
- Samle og rense data: Boring, produksjon, overvåking, laboratoriedata. (AI: sterk i opprydding og inkonsekvenskontroll.)
- Generer hypoteser/scenarier: Mulige årsaker, alternative planer. (AI: produserer systematisk liste.)
- Analyser: Beregning, geostatistikk, modell, bildebehandling. (AI: genererer kode og regnefiksjon.)
- Bekreft: Standard, felt, frittstående konto, programvare. (AI er på sidelinjen; mennesker og måling bestemmer.)
- Rapporter og avgjør: Den kompetente ingeniøren tar ansvar. (AI: utkastskribent.)
Husk disse seks trinnene; resten av modulen viser deg hvordan du bruker AI med konkrete gruveoppgaver, trinn for trinn.
tre minisaker
Tilfelle 1 — Sammensatt gjennomsnittskarakter. En praktikant spør AI-chatteverktøyet om gjennomsnittskarakteren til et kobberprosjekt; AI sier "omtrent 0,65% Cu." Praktikanten legger dette inn i investeringspresentasjonen. Imidlertid har AI ikke sett en eneste boredata fra dette prosjektet; produsert et typisk nummer for "kobberprosjektet". Den reelle verdien kommer kun fra prosjektets egne sammensatte boredata og geostatistiske estimat; Den reelle verdien i dette prosjektet er 0,38 %. Forskjellen er forskjellen mellom at investeringen ser lønnsom ut og går med tap. Den riktige holdningen er å aldri "spør" karakteren for AI, men beregne den fra din egen database.
Sak 2 — Ikke-eksisterende reguleringsklausul. En ingeniør spør AI om maksimal bakkevibrasjon (PPV: peak partikkelhastighet, mm/s) som er tillatt ved sprengning. AI-en sier "10 mm/s i henhold til forskrift" og utgjør et varenummer. Ingeniøren skriver rapporten deretter. Ved befaringen kommer det frem at varenummeret ikke er reelt og grenseverdien varierer avhengig av avstand og bygningstype. Den riktige holdningen er å åpne gjeldende forskrift fra den offisielle kilden og bekrefte verdien og substansen. Selv om AI kjenner navnet på forskriften riktig, kan det hallusinere artikkelnummeret.
Tilfelle 3 – Riktig bruk. En geolog mistenker et avvik i karakterkolonnen i et datasett med 40 borehull. Det forteller AI å "liste radene i denne tabellen som kan ha enhetsinkonsekvenser, negative verdier, synlige uteliggere og tomme celler, og skrive det du mistenker for hver; IKKE korriger, bare merk." AI-en flagger noen få linjer blandet med % blandet med ppm, to negative karakterer og en 999-kodeverdi. Geologen sjekker og retter disse en etter en fra råloggene. Her ble AI brukt riktig: vakte oppmerksomhet, mennesket tok avgjørelsen og korrigerte.
Kopierbare spørsmålsmaler
Du kan bruke malene nedenfor ved å tilpasse dem til din egen virksomhet. I hver av dem er det en bevisst instruksjon om å "gi et eksakt tall, angi kilden, forklare usikkerheten".
ROLLE OG GRENSEMAL "Rolle: Du er en erfaren gruveingeniørassistent. Oppgave: [skriv emnet]. Regler: Når du oppgir den eksakte numeriske verdien (karakter, reserve, grense), spesifiser KILDEN; hvis du ikke er sikker, si 'må verifiseres'. Hvis du oppgir en forskrift/standardartikkel, må du huske den fra den offisielle versjonen av den, men bekreft den fra slutten av den. svar, skriv "hva må verifiseres ved feltmåling/beregning" punkt for vare."
HYPOTESEGENERERINGSMAL"Produser en systematisk liste over mulige årsaker til følgende situasjon: [beskriv situasjonen; hva som ble observert, hvilke data er tilgjengelige]. For hver hypotese: (1) hvilke bevis støtter den, (2) hvilken måling eller beregning som bør gjøres for å bekrefte/avkrefte den. GJØR en definitiv diagnose; lag en undersøkelsesveikart."
VERIFIKASJONSJEKKLISTE MAL"Liste HVER numerisk verdi og HVER regel/standardreferanse i rapportutkastet nedenfor. Angi for hver kilde (selvborende data, forskriftstekst, laboratorierapport, feltundersøkelse) den skal verifiseres. Samle de av usikker opprinnelse under 'kan ikke brukes uten verifikasjon'. Tekst: [lim inn]."
ANONYMISERING FORSJEKK MAL "Før du gir følgende tekst til et AI-verktøy, flagg forretningshemmelighet eller personlige/regulatoriske sensitive deler: reservenummer, lisensnummer, faktiske koordinater, kunde-/personellnavn, konfidensielle kostnadsdata. Foreslå hvordan jeg kan anonymisere disse. Tekst: [lim inn]."
Svak forespørsel / Sterk forespørsel
Å stille det samme spørsmålet på to måter vil gi svært forskjellige resultater.
SVAK SPØRSMÅL: "Hvor mye er reserven til denne gruven?"
STERK SPØRSMÅL: "Rolle: Du er assisterende ressursgeolog. Forklar hvilke steg et reserve-/ressursestimat må gjennom (sammensetning, variogram, kriging, klassifisering, økonomisk grense) og hvilke data og hvilken kompetent persons godkjenning som kreves på hvert trinn. IKKE GI NØYAKTIG reservenummer; understreker at dette kun kan rapporteres innenfor rammen av prosjektet og en kode. JORC/UMREK."
Svak melding inviterer AI til å gjøre opp; Den sterke prompten holder den i riktig jobb (prosessbeskrivelse) og forhindrer den digitale hallusinasjonen i å skje i utgangspunktet.
Vanlige feil
- "Spør" AI om kursspesifikke tall som karakter, reserve osv. AI kjenner ikke dataene dine; disse tallene beregnes utelukkende fra din egen database.
- Bruker lovverket/standardklausulen uten å bekrefte det. Varenummeret og verdien hallusineres ofte.
- Baserer sikkerhetskritisk beslutning på AI-utgang. Avgjørelser om evakuering, sprengningsgodkjenning og brukbarhet tas av den kompetente ingeniøren.
- Lim inn sensitive data i skyverktøyet uten å anonymisere dem. Reserve-, koordinat- og kostnadsdata er forretningshemmeligheter.
- Venter på ett spørsmål og ett svar. Bruk AI iterativt: generer utkast, kritiser, verifiser, korriger.
Forsiktig: Jo mer presist og sikkert et tall vises i en AI-utgang, desto høyere er behovet for verifisering. Presisjon er ingen garanti for nøyaktighet.
Oppsummert
I denne enheten har du sett at AI er en assistent i gruvedrift, ikke en beslutningstaker. LLM-er er språkprediktorer; Det er kraftig i konseptforklaring, datarensing, hypotese og kodegenerering, men risikabelt når det gjelder å produsere presise tall og lovgivning (hallusinasjon). Klassifiser oppgaver som lav/middels/høy/kritisk og juster verifiseringsdybden deretter. Bekreft hver numerisk verdi fra dine egne data eller feltmålinger, hver forskriftsreferanse fra den offisielle kilden. Sikkerhetskritiske beslutninger forblir alltid hos den kompetente ingeniøren og anonymiser sensitive data før bruk.
Søknadsoppgave
Velg fem oppgaver fra din egen virksomhet (eller et fiktivt gruveprosjekt): en konseptbeskrivelse, en datarensing, en liste over hypoteser, en reserve/numerisk verdi og et regulatorisk spørsmål. Plasser hver i risikotabellen ovenfor. Deretter outsource to lav/middels risikooppgaver til AI med malen «Rolle og grense» og merk hvert numerisk/regulerende element i utdataene med malen «Verifikasjonssjekkliste». Skriv ned hvilke elementer som ikke kan brukes uten verifisering.
sjekkliste
- [ ] Jeg plasserte oppdraget på risikonivå (lav/middels/høy/kritisk) før jeg brukte den.
- [ ] Jeg regnet ut feltspesifikke tall som karakter, reserve osv. fra min egen avkastning i stedet for å spørre AI.
- [ ] Jeg har verifisert hver lovgivning/standardreferanse fra den offisielle kilden.
- [ ] Jeg anonymiserte sensitive data (reserve, koordinater, navn, kostnad).
- [ ] Jeg overlot den sikkerhetskritiske avgjørelsen til en kompetent ingeniørgodkjenning, ikke basert på AI-utgang.
- [ ] Jeg skannet alle numeriske verdier i AI-utgangen for "kan ikke brukes uten bekreftelse".