Dobički:
- Sposobnost razlikovanja, kje umetna inteligenca prihrani realni čas v delovnem procesu rudarskega inženiringa in kje bi morala varnostno kritična odgovornost ostati pri pristojnem inženirju, odvisno od stopnje tveganja
- Sposobnost izvajanja večplastne validacijske discipline, ki testira vsak rezultat umetne inteligence glede na standardne, neodvisne izračune in meritve na terenu
- Sposobnost anonimizacije konteksta in pridobitev navade izbire varnih vozil za zaščito podatkov o rezervi, informacij o licencah in podatkov o osebju/proizvodnji
Naloga rudarskega inženirja je premostiti negotovost pod zemljo z odločitvami nad zemljo. Ocenjevanje rudnih teles iz podatkov vrtin, izračun rezerve, načrtovanje jame, upravljanje flote opreme, spremljanje obnašanja na pobočjih, zagotavljanje varnosti pri delu, merjenje vplivov na okolje in poročanje o vsem tem v skladu z zakonodajo. Skupna značilnost teh delovnih mest je, da delajo z velikim številom meritev in podatkov, vendar vsaka odločitev povzroči človeška življenja, milijone lir naložb in nepopravljive okoljske posledice na terenu. Umetna inteligenca (na kratko umetna inteligenca; sistemi programske opreme, ki delujejo na besedilu, številkah in slikah z velikimi podatki in jezikovnimi modeli) je močan pripomoček na tem področju, kjer je veliko podatkov, a kritično za odločanje. Ta enota vas nauči, kje varno uporabljati umetno inteligenco pri rudarjenju, kje je nevarna in zakaj morate vsak rezultat umetne inteligence potrditi glede na standarde, meritve na terenu in inženirsko presojo.
Osrednje načelo, ki ga boste uporabljali v tem modulu, je: AI je pomočnik, ne tisti, ki sprejema odločitve. Vrednost vsebnosti (razmerje kovin v rudi), kot naklona, vrednost rezerve, varnostna meja ali zakonodajni člen ne postanejo resnični samo zato, ker je "AI tako rekla"; To je le hipoteza, dokler ni preverjena z meritvami, referencami in presojo pristojnega inženirja. Ta stavek boste znova videli v vsaki enoti modula, saj pri rudarjenju napačna številka pogosto pomeni propad investicije, propad klanca ali poškodbo osebe.
Kaj je LLM in kaj počne v rudarstvu?
LLM (Large Language Model) je programska oprema, ki se nauči vzorcev iz zelo velikih kosov besedila in na podlagi verjetnosti napove "naslednjo besedo". To je motor orodij, kot so ChatGPT, Claude, Gemini. Bistvo je naslednje: LLM je "jezikovni ocenjevalec", ne "baza znanja". Tekoče govori rudarsko terminologijo, vendar ne meri ocene; proizvede številko, ki je videti najbolj verjetna. Zato lahko da samozavestne, a nepravilne odgovore o povprečnem razredu, stopnji odstranjevanja, regulativni klavzuli ali meji eksplozivnosti. To se imenuje halucinacija (izmišljotina). Halucinacija ni okvara, ampak lastnost te tehnologije; Verifikacija torej ni "dodaten korak", temveč sestavni del posla.
Naloge, pri katerih je umetna inteligenca močna pri rudarjenju:
- Razlaga koncepta in poučevanje: kaj je variogram, kako deluje pravilo vzvoda, kako poteka kisla drenaža rudnika.
- Čiščenje in organizacija podatkov: pretvarjanje razpršenih vrtin v koherentno tabelo, zajem neujemanja enot.
- Izdelava seznama hipotez: sistematično naštevanje možnih vzrokov za upad proizvodnje.
- Kodiranje: Čiščenje podatkov, grafi, geostatistika in skripte za analizo anomalij s Pythonom.
- Osnutek besedila: JSA (analiza varnosti pri delu), poročilo o spremljanju okolja, osnutek razpisa/tehnične specifikacije.
- Možganska nevihta: primerjava scenarijev, ideje za eksperiment/merilni načrt.
Kjer je umetna inteligenca šibka in tvegana:
- Navedba natančne numerične vrednosti (naklon, rezerva, kot naklona, mejna vrednost).
- Trenutna in posebna zakonodaja/standardni člen in informacije o različici.
- Diagnoza brez dejanskih merilnih podatkov vašega spletnega mesta.
- Varnostno kritična odločitev: odobritev načrta eksplozije, odločitev o evakuaciji, uporabnost.
Razvrstitev na podlagi tveganja: filter pred uporabo AI
Vsaka naloga ni enako tvegana. Pred uporabo umetne inteligence razvrstite nalogo glede na stopnjo tveganja. Spodnja tabela ponuja okvir odločanja, ki ga boste uporabljali v tem modulu.
Stopnja tveganja
vzorčna naloga
vloga AI
Obvezno preverjanje
nizka
Razlaga koncepta, osnutek besedila, okostje kode
brezplačna uporaba
Pregled je dovolj
srednje
Čiščenje podatkov, seznam hipotez, nastavitev izračuna
Osnutek/soavtor
Ročno upravljanje + potrditev vira
visoka
Ocena zalog, omejitev jame, parameter miniranja
generator idej
Standard + meritve na terenu + programska oprema
kritičen
Odločitev o evakuaciji, varnost na pobočju, odločitev o uporabnosti/primernosti
Samo osnutek/sken
Odobritev pristojnega inženirja + akreditirano testiranje
Namig: Če ste nalogo označili kot "kritično", izhod umetne inteligence nikoli ni končni dokument. Lahko je kvečjemu predhodni osnutek ali kontrolni seznam; Pristojni inženir prevzema podpis in odgovornost.
Potek od konca do konca: vdelava AI v vaš potek dela
Tipičen cikel reševanja težav pri rudarjenju gre takole, pri čemer AI sodeluje pri vsakem koraku, vendar ne zapre nobenega od njih sam:
- Definirajte problem: kaj predvideti, kakšno odločitev sprejeti, kakšne omejitve obstajajo? (AI: pojasnjuje vprašanje.)
- Zbirajte in čistite podatke: vrtanje, proizvodnja, spremljanje, laboratorijski podatki. (AI: močan pri čiščenju in preverjanju nedoslednosti.)
- Ustvarite hipoteze/scenarije: Možni vzroki, alternativni načrti. (AI: pripravi sistematičen seznam.)
- Analiza: Izračun, geostatistika, model, obdelava slik. (AI: ustvarja kodo in izračune.)
- Preverjanje: standardno, polje, samostojni račun, programska oprema. (AI je na stranskem tiru; odločajo ljudje in meritve.)
- Poročilo in odločitev: Pristojni inženir prevzame odgovornost. (AI: pisec osnutkov.)
Upoštevajte teh šest korakov; preostali del modula vam korak za korakom pokaže, kako uporabljati AI pri konkretnih rudarskih nalogah.
trije mini kovčki
Primer 1 – Popravljena povprečna ocena. Pripravnik vpraša orodje za klepet AI o povprečni oceni projekta za baker; AI pravi "približno 0,65% Cu." Pripravnik to poda v predstavitev investicije. Vendar AI ni videl niti enega podatka o vrtanju tega projekta; izdelal tipično številko za "bakreni projekt". Prava vrednost izhaja le iz lastnih sestavljenih podatkov o vrtanju in geostatistične ocene projekta; Realna vrednost v tem projektu je 0,38 %. Razlika je razlika med naložbo, ki se zdi donosna, in izgubo. Pravilen odnos je, da nikoli ne "sprašuješ" ocene za AI, ampak jo izračunaš iz lastne podatkovne baze.
Primer 2 – klavzula o neobstoječi uredbi. Inženir vpraša AI za največjo dovoljeno tresenje tal (PPV: najvišja hitrost delcev, mm/s) pri razstreljevanju. AI pravi "10 mm/s v skladu s predpisi" in sestavlja številko artikla. Inženir ustrezno napiše poročilo. Med pregledom se ugotovi, da številka artikla ni prava in da se mejna vrednost spreminja glede na oddaljenost in vrsto stavbe. Pravilno stališče je odpreti veljavno uredbo iz uradnega vira in potrditi vrednost in vsebino. Tudi če AI pravilno pozna ime uredbe, lahko halucinira številko artikla.
3. primer – pravilna uporaba. Geolog sumi na neskladje v stolpcu stopnje v naboru podatkov 40 vrtin. Umetni inteligenci sporoča, naj "navede vrstice v tej tabeli, ki imajo lahko nedoslednosti enot, negativne vrednosti, vidne izstopajoče vrednosti in prazne celice, ter za vsako napiše, kar sumite; NE popravljajte, samo označite." Umetna inteligenca označi nekaj vrstic, pomešanih z %, pomešanih s ppm, dvema negativnima ocenama in vrednostjo kode 999. Geolog jih enega za drugim preverja in popravlja iz neobdelanih dnevnikov. Tukaj je bila umetna inteligenca uporabljena pravilno: pritegnila je pozornost, človek je sprejel odločitev in popravil.
Kopirane predloge pozivov
Spodnje predloge lahko uporabite tako, da jih prilagodite svojemu podjetju. V vsakem od njih je zavestno navodilo »navesti točno številko, navesti vir, razložiti negotovost«.
PREDLOGA ZA VLOGO IN MEJO "Vloga: Ste izkušen pomočnik rudarskega inženirja. Naloga: [napišite zadevo]. Pravila: Pri podajanju natančne številčne vrednosti (ocena, rezerva, omejitev) navedite VIR; če niste prepričani, recite "treba preveriti". Če podajate predpis/standardni člen, ga navedite z njegovo različico, vendar opozorite, da mora biti potrjen iz uradnega vira. Na koncu odgovora napišite "kaj je treba preveriti z meritvijo na terenu/izračunom" postavka za postavko."
PREDLOGA ZA GENERACIJO HIPOTEZE "Izdelajte sistematičen seznam možnih razlogov za naslednjo situacijo: [opišite situacijo; kaj je bilo opaženo, kateri podatki so na voljo]. Za vsako hipotezo: (1) kateri dokazi jo podpirajo, (2) katero meritev ali izračun je treba narediti, da jo potrdite/ovržete. POSTAVITE dokončno diagnozo; pripravite načrt preiskave."
PREDLOGA KONTROLNEGA SEZNAMA ZA PREVERJANJE "V spodnjem osnutku poročila navedite VSAKO številčno vrednost in VSAKO referenco predpisa/standarda. Za vsakega navedite, iz katerega vira (podatki o samovrtanju, predpisano besedilo, laboratorijsko poročilo, pregled na terenu) naj bo preverjen. Zberite tiste z negotovim izvorom pod 'ni mogoče uporabiti brez preverjanja'. Besedilo: [prilepi]."
PREDLOGA PREDHODNEGA PREVERJANJA ANONIMIZACIJE "Preden daste naslednje besedilo orodju AI, označite poslovno skrivnost ali osebne/regulatorne občutljive dele: rezervne številke, številko licence, dejanske koordinate, imena strank/osebja, zaupne podatke o stroških. Predlagajte, kako lahko to anonimiziram. Besedilo: [prilepi]."
Šibek poziv/močan poziv
Zastavljanje istega vprašanja na dva načina bo prineslo zelo različne rezultate.
ŠIBKO POZIV: "Kolikšne so rezerve tega rudnika?"
MOČEN POZIV: "Vloga: Ste pomočnik geologa virov. Pojasnite, skozi katere korake mora iti ocena rezerve/vira (sestavljanje, variogram, kriging, klasifikacija, ekonomska omejitev) ter kateri podatki in odobritev katere pristojne osebe so potrebni za vsak korak. NE DAJTE TOČNE številke rezerve; poudarite, da je to mogoče izračunati samo iz lastnih podatkov projekta in je treba poročati v okviru kode, kot je npr. JORC/UMREK."
Šibek poziv vabi AI, da se popravi; Močan poziv ga ohranja v pravem delu (opis procesa) in preprečuje, da bi se digitalna halucinacija sploh zgodila.
Pogoste napake
- »Vpraševanje« AI po številkah, specifičnih za tečaj, kot so ocena, rezerva itd. AI ne pozna vaših podatkov; te številke so izračunane izključno iz vaše baze podatkov.
- Uporaba zakonodaje/standardne klavzule brez potrditve. Številka in vrednost predmeta sta pogosto halucinirani.
- Odločitev, ki je pomembna za varnost, temelji na rezultatih umetne inteligence. Odločitve o evakuaciji, odobritvi miniranja in uporabnosti sprejme pristojni inženir.
- Lepljenje občutljivih podatkov v orodje v oblaku, ne da bi jih anonimizirali. Podatki o rezervah, koordinatah in stroških so poslovna skrivnost.
- Čakanje na eno vprašanje in en odgovor. Uporabljajte AI iterativno: ustvarjajte osnutke, kritizirajte, preverjajte, popravljajte.
Pozor: Bolj kot je številka natančna in zanesljiva v izhodu AI, večja je potreba po preverjanju. Natančnost ni zagotovilo za točnost.
Če povzamem
V tej enoti ste videli, da je AI pomočnik pri rudarjenju in ne tisti, ki sprejema odločitve. LLM so jezikovni napovedovalci; Je močan pri razlagi koncepta, čiščenju podatkov, ustvarjanju hipotez in kod, vendar tvegan pri ustvarjanju natančnih številk in zakonodaje (halucinacija). Razvrstite naloge kot nizke/srednje/visoke/kritične in ustrezno prilagodite globino preverjanja. Preverite vsako številčno vrednost iz lastnih podatkov ali meritev na terenu, vsako regulativno referenco iz uradnega vira. Varnostno kritične odločitve vedno ostanejo v rokah pristojnega inženirja in pred uporabo anonimizirajo občutljive podatke.
Aplikacijska naloga
Izberite pet nalog iz svojega podjetja (ali fiktivnega rudarskega projekta): opis koncepta, čiščenje podatkov, seznam hipotez, rezervna/številčna vrednost in regulativno vprašanje. Vsako postavite v zgornjo tabelo tveganj. Nato oddajte dve nalogi z nizkim/srednjim tveganjem umetni inteligenci s predlogo »Vloga in meja« in označite vsak numerični/regulativni element rezultata s predlogo »Kontrolni seznam za preverjanje«. Zapišite, katerih elementov ni mogoče uporabiti brez preverjanja.
kontrolni seznam
- [ ] Pred uporabo sem misijo postavil na stopnjo tveganja (nizko/srednje/visoko/kritično).
- [ ] Številke, specifične za polje, kot so razred, rezerva itd., sem izračunal iz lastnega donosa, namesto da bi vprašal AI.
- [ ] Vsako referenco zakonodaje/standarda sem preveril iz uradnega vira.
- [ ] Anonimiziral sem občutljive podatke (rezervo, koordinate, ime, ceno).
- [ ] Odločitev, ki je pomembna za varnost, sem prepustil odobritvi pristojnega inženirja, ne na podlagi rezultatov umetne inteligence.
- [ ] Pregledal sem vsako številsko vrednost v izhodu AI za "ni mogoče uporabiti brez preverjanja".