ปัญญาประดิษฐ์เบื้องต้นในวิศวกรรมเหมืองแร่: ขอบเขต การตรวจสอบ ความรับผิดชอบ และจริยธรรม

กำไร:

• ความสามารถในการแยกแยะว่าที่ใดที่ AI ช่วยประหยัดเวลาจริงในขั้นตอนการทำงานของวิศวกรรมเหมืองแร่ และจุดที่ความรับผิดชอบที่สำคัญด้านความปลอดภัยควรคงอยู่กับวิศวกรที่มีความสามารถ ขึ้นอยู่กับระดับของความเสี่ยง
• ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบแบบหลายชั้นที่ทดสอบเอาต์พุต AI แต่ละรายการกับการคำนวณมาตรฐานที่เป็นอิสระ และการวัดภาคสนาม
• ความสามารถในการปกปิดบริบทและฝึกนิสัยในการเลือกยานพาหนะที่ปลอดภัยเพื่อปกป้องข้อมูลสำรอง ข้อมูลใบอนุญาต และข้อมูลบุคลากร/การผลิต

งานของวิศวกรเหมืองแร่คือการเชื่อมโยงความไม่แน่นอนที่อยู่ด้านล่างกับการตัดสินใจที่อยู่ด้านบน การประมาณปริมาณแร่จากข้อมูลการขุดเจาะ การคำนวณปริมาณสำรอง การวางแผนหลุม การจัดการกองอุปกรณ์ การตรวจสอบพฤติกรรมทางลาด ความปลอดภัยในการประกอบอาชีพ การวัดผลกระทบต่อสิ่งแวดล้อม และการรายงานทั้งหมดนี้ตามกฎหมาย ลักษณะทั่วไปของงานเหล่านี้คือต้องทำงานกับการวัดและข้อมูลจำนวนมาก แต่การตัดสินใจแต่ละครั้งส่งผลให้เกิดชีวิตมนุษย์ การลงทุนหลายล้านลีรา และผลกระทบด้านสิ่งแวดล้อมที่ไม่สามารถย้อนกลับได้ในสาขานี้ ปัญญาประดิษฐ์ (เรียกสั้น ๆ ว่า AI ระบบซอฟต์แวร์ที่ทำงานบนข้อความ ตัวเลข และรูปภาพที่มีข้อมูลขนาดใหญ่และแบบจำลองภาษา) เป็นตัวช่วยที่ทรงพลังในพื้นที่ที่ต้องใช้ข้อมูลเข้มข้นแต่มีความสำคัญต่อการตัดสินใจ หน่วยนี้จะสอนให้คุณทราบว่าควรใช้ AI ที่ไหนอย่างปลอดภัยในการขุด บริเวณที่เป็นอันตราย และเหตุใดคุณต้องตรวจสอบความถูกต้องของเอาต์พุต AI ทั้งหมดตามมาตรฐาน การวัดภาคสนาม และการตัดสินทางวิศวกรรม

หลักการสำคัญที่คุณจะใช้ตลอดโมดูลนี้คือ AI คือผู้ช่วย ไม่ใช่ผู้มีอำนาจตัดสินใจ ค่าเกรด (อัตราส่วนโลหะในแร่) มุมลาด ตัวเลขสำรอง ขีดจำกัดด้านความปลอดภัย หรือบทความทางกฎหมายไม่เป็นความจริงเพียงเพราะ "AI พูดอย่างนั้น" มันเป็นเพียงสมมติฐานจนกว่าจะได้รับการตรวจสอบโดยการวัด การอ้างอิง และการตัดสินของวิศวกรผู้มีความสามารถ คุณจะเห็นประโยคนี้อีกครั้งในทุกหน่วยของโมดูล เพราะในการทำเหมือง ตัวเลขที่ไม่ถูกต้องมักจะหมายถึงการล่มสลายของการลงทุน การล่มสลายของทางลาด หรือการบาดเจ็บของบุคคล

LLM คืออะไรและทำหน้าที่อะไรในการขุด?

LLM (Large Language Model) เป็นซอฟต์แวร์ที่เรียนรู้รูปแบบจากข้อความจำนวนมาก และคาดการณ์ "คำถัดไป" ตามความน่าจะเป็น นี่คือกลไกของเครื่องมือเช่น ChatGPT, Claude, Gemini ประเด็นก็คือ: LLM เป็น "เครื่องมือประมาณค่าภาษา" ไม่ใช่ "ฐานความรู้" พูดคำศัพท์เกี่ยวกับการขุดได้อย่างคล่องแคล่ว แต่ไม่ได้วัดเกรด ทำให้เกิดตัวเลขที่ดูเป็นไปได้มากที่สุด ดังนั้น เขาหรือเธออาจให้คำตอบที่มั่นใจแต่ไม่ถูกต้องเกี่ยวกับเกรดเฉลี่ย อัตราการลอก ข้อกำหนด หรือขีดจำกัดการระเบิด สิ่งนี้เรียกว่าภาพหลอน (การประดิษฐ์) อาการประสาทหลอนไม่ใช่ความผิดปกติ แต่เป็นคุณลักษณะโดยธรรมชาติของเทคโนโลยีนี้ ดังนั้นการตรวจสอบจึงไม่ใช่ "ขั้นตอนเพิ่มเติม" แต่เป็นส่วนสำคัญของงาน

งานที่ AI แข็งแกร่งในการขุด:

• คำอธิบายแนวคิดและการสอน: วาริโอแกรมคืออะไร กฎการงัดทำงานอย่างไร การระบายน้ำจากเหมืองกรดเกิดขึ้นได้อย่างไร
• การทำความสะอาดข้อมูลและการจัดระเบียบ: เปลี่ยนบันทึกหลุมเจาะที่กระจัดกระจายให้เป็นตารางที่สอดคล้องกัน ตรวจจับหน่วยที่ไม่ตรงกัน
• การสร้างรายการสมมติฐาน: แสดงรายการสาเหตุที่เป็นไปได้ของการลดลงของการผลิตอย่างเป็นระบบ
• การเขียนโค้ด: การล้างข้อมูล การสร้างกราฟ ภูมิศาสตร์สถิติ และสคริปต์การวิเคราะห์ความผิดปกติด้วย Python
• ข้อความฉบับร่าง: JSA (การวิเคราะห์ความปลอดภัยของงาน), รายงานการตรวจสอบด้านสิ่งแวดล้อม, ร่างการประกวดราคา/ข้อกำหนดทางเทคนิค
• ระดมความคิด: การเปรียบเทียบสถานการณ์ แนวคิดการทดลอง/แผนการวัด

เมื่อ AI อ่อนแอและมีความเสี่ยง:

• ให้ค่าตัวเลขที่แน่นอน (เกรด, กำลังสำรอง, มุมลาด, ค่าขีดจำกัด)
• กฎหมายปัจจุบันและเฉพาะเจาะจง/บทความมาตรฐานและข้อมูลเวอร์ชัน
• การวินิจฉัยโดยไม่มีข้อมูลการวัดจริงของไซต์ของคุณ
• การตัดสินใจที่คำนึงถึงความปลอดภัย: การอนุมัติการออกแบบระเบิด การตัดสินใจในการอพยพ ความสามารถในการซ่อมบำรุง

การจำแนกตามความเสี่ยง: ตัวกรองก่อนใช้ AI

ไม่ใช่ทุกงานจะมีความเสี่ยงเท่ากัน จำแนกงานตามระดับความเสี่ยงก่อนใช้ AI ตารางด้านล่างแสดงกรอบการตัดสินใจที่คุณจะใช้ตลอดโมดูลนี้

ระดับความเสี่ยง

งานตัวอย่าง

บทบาทของเอไอ

การตรวจสอบภาคบังคับ

ต่ำ

คำอธิบายแนวคิด ข้อความแบบร่าง โครงกระดูกโค้ด

ใช้งานฟรี

รีวิวก็พอแล้ว

ปานกลาง

การล้างข้อมูล รายการสมมติฐาน การตั้งค่าการคำนวณ

ร่าง/ผู้เขียนร่วม

การควบคุมด้วยตนเอง + การยืนยันแหล่งที่มา

สูง

การประมาณค่ากำลังสำรอง ขีดจำกัดของหลุม พารามิเตอร์การระเบิด

เครื่องกำเนิดความคิด

มาตรฐาน + การวัดภาคสนาม + ซอฟต์แวร์

สำคัญ

การตัดสินใจอพยพ ความปลอดภัยของทางลาด การตัดสินใจในการให้บริการ/ความเหมาะสม

ฉบับร่าง/สแกนเท่านั้น

การอนุมัติของวิศวกรผู้มีความสามารถ + การทดสอบที่ได้รับการรับรอง

เคล็ดลับ: หากคุณทำเครื่องหมายงานว่า "สำคัญ" ผลลัพธ์ของ AI จะไม่ใช่เอกสารขั้นสุดท้าย อย่างมากอาจเป็นแบบร่างเบื้องต้นหรือรายการตรวจสอบก็ได้ วิศวกรผู้มีความสามารถจะลงนามและรับผิดชอบ

โฟลว์แบบ end-to-end: ฝัง AI ลงในเวิร์กโฟลว์ของคุณ

วงจรการแก้ปัญหาโดยทั่วไปในการขุดจะเป็นเช่นนี้ โดยที่ AI มีส่วนร่วมในแต่ละขั้นตอนแต่ไม่ได้ปิดขั้นตอนใดๆ เพียงอย่างเดียว:

1. กำหนดปัญหา: สิ่งที่ต้องคาดการณ์ การตัดสินใจอะไร มีข้อจำกัดอะไรบ้าง (AI: ชี้แจงคำถาม)
2. รวบรวมและทำความสะอาดข้อมูล: การขุดเจาะ การผลิต การตรวจสอบ ข้อมูลห้องปฏิบัติการ (AI: แข็งแกร่งในการล้างข้อมูลและการตรวจสอบความไม่สอดคล้องกัน)
3. สร้างสมมติฐาน/สถานการณ์: สาเหตุที่เป็นไปได้ แผนทางเลือก (AI: สร้างรายการอย่างเป็นระบบ)
4. วิเคราะห์: การคำนวณ ธรณีสถิติ แบบจำลอง การประมวลผลภาพ (AI: สร้างโค้ดและนิยายการคำนวณ)
5. ตรวจสอบ: มาตรฐาน ภาคสนาม บัญชีแบบสแตนด์อโลน ซอฟต์แวร์ (AI อยู่ข้างสนาม มนุษย์และการวัดผลเป็นผู้ตัดสินใจ)
6. รายงานและตัดสินใจ: วิศวกรผู้มีความสามารถจะรับผิดชอบ (AI: นักเขียนร่าง)

โปรดคำนึงถึงหกขั้นตอนเหล่านี้ ส่วนที่เหลือของโมดูลจะแสดงวิธีใช้ AI กับงานการขุดคอนกรีตทีละขั้นตอน

มินิเคสสามอัน

กรณีที่ 1 — เกรดเฉลี่ยที่สร้างขึ้น นักศึกษาฝึกงานถามเครื่องมือแชท AI เกี่ยวกับเกรดเฉลี่ยของโครงการทองแดง AI บอกว่า “ประมาณ 0.65% Cu” ผู้ฝึกงานใส่สิ่งนี้ไว้ในการนำเสนอการลงทุน อย่างไรก็ตาม AI ยังไม่เห็นข้อมูลการเจาะลึกของโครงการนี้แม้แต่ครั้งเดียว ผลิตหมายเลขทั่วไปสำหรับ "โครงการทองแดง" มูลค่าที่แท้จริงมาจากข้อมูลการขุดเจาะแบบคอมโพสิตและการประมาณการทางภูมิสถิติของโครงการเท่านั้น มูลค่าที่แท้จริงในโครงการนี้คือ 0.38% ความแตกต่างคือความแตกต่างระหว่างการลงทุนที่ให้ผลกำไรและการขาดทุน ทัศนคติที่ถูกต้องคืออย่า "ถาม" เกรดสำหรับ AI แต่ให้คำนวณจากฐานข้อมูลของคุณเอง

กรณีที่ 2 — เงื่อนไขข้อบังคับที่ไม่มีอยู่จริง วิศวกรถาม AI ถึงแรงสั่นสะเทือนของพื้นดินสูงสุด (PPV: ความเร็วอนุภาคสูงสุด mm/s) ที่อนุญาตให้เกิดการระเบิดได้ AI ​​บอกว่า "10 มม./วินาที ตามกฎข้อบังคับ" และประกอบขึ้นเป็นหมายเลขรายการ วิศวกรเขียนรายงานตามนั้น ในระหว่างการตรวจสอบพบว่าไม่ใช่หมายเลขสิ่งของจริง และค่าขีดจำกัดจะแตกต่างกันไปตามระยะทางและประเภทอาคาร ทัศนคติที่ถูกต้องคือการเปิดกฎระเบียบปัจจุบันจากแหล่งที่มาอย่างเป็นทางการและยืนยันคุณค่าและเนื้อหา แม้ว่า AI จะรู้ชื่อกฎระเบียบอย่างถูกต้อง แต่ก็อาจทำให้หมายเลขบทความหลอนได้

กรณีที่ 3 — การใช้งานที่ถูกต้อง นักธรณีวิทยาสงสัยว่าคอลัมน์เกรดในชุดข้อมูลหลุมเจาะ 40 หลุมมีความคลาดเคลื่อน โดยบอกให้ AI "แสดงรายการแถวในตารางนี้ที่อาจมีหน่วยไม่สอดคล้องกัน ค่าลบ ค่าผิดปกติที่มองเห็นได้ และเซลล์ว่าง แล้วเขียนสิ่งที่คุณสงสัยสำหรับแต่ละรายการ อย่าแก้ไข แค่ทำเครื่องหมาย" AI แจ้งสองสามบรรทัดผสมกับ % ผสมกับ ppm, เกรดติดลบ 2 รายการ และค่ารหัส 999 นักธรณีวิทยาจะตรวจสอบและแก้ไขทีละรายการจากบันทึกดิบ ที่นี่มีการใช้ AI อย่างถูกต้อง: ดึงดูดความสนใจ มนุษย์ทำการตัดสินใจและแก้ไข

เทมเพลตพร้อมท์ที่คัดลอกได้

คุณสามารถใช้เทมเพลตด้านล่างโดยปรับให้เข้ากับธุรกิจของคุณเอง ในแต่ละข้อมีคำสั่งอย่างมีสติให้ "ให้ตัวเลขที่แน่นอน ระบุแหล่งที่มา อธิบายความไม่แน่นอน"

เทมเพลตบทบาทและขอบเขต "บทบาท: คุณเป็นผู้ช่วยวิศวกรเหมืองแร่ที่มีประสบการณ์ ภารกิจ: [เขียนหัวเรื่อง] กฎ: เมื่อให้ค่าตัวเลขที่แน่นอน (เกรด สำรอง ขีดจำกัด) ให้ระบุแหล่งที่มา หากคุณไม่แน่ใจ ให้พูดว่า 'ต้องตรวจสอบ' หากคุณให้บทความด้านกฎระเบียบ/มาตรฐาน ให้มาพร้อมกับเวอร์ชันของมัน แต่เตือนว่าจะต้องได้รับการยืนยันจากแหล่งที่มาอย่างเป็นทางการ ในตอนท้ายของคำตอบ ให้เขียน 'สิ่งที่ต้องได้รับการตรวจสอบโดยฟิลด์ การวัด/คำนวณ'ทีละรายการ"

เทมเพลตการสร้างสมมติฐาน"จัดทำรายการเหตุผลที่เป็นไปได้อย่างเป็นระบบสำหรับสถานการณ์ต่อไปนี้: [อธิบายสถานการณ์ สิ่งที่สังเกตได้ มีข้อมูลใดบ้าง] สำหรับแต่ละสมมติฐาน: (1) หลักฐานใดสนับสนุน (2) การวัดหรือการคำนวณใดควรทำเพื่อยืนยัน/หักล้าง ทำการวินิจฉัยขั้นสุดท้าย จัดทำแผนงานการสอบสวน"

เทมเพลตรายการตรวจสอบการยืนยัน"แสดงรายการค่าตัวเลขทุกค่าและการอ้างอิงกฎระเบียบ/มาตรฐานทุกรายการในร่างรายงานด้านล่าง สำหรับแต่ละค่า ให้ระบุว่าควรตรวจสอบแหล่งที่มาใด (ข้อมูลการเจาะด้วยตนเอง ข้อความด้านกฎระเบียบ รายงานในห้องปฏิบัติการ การสำรวจภาคสนาม) รวบรวมค่าที่มีแหล่งกำเนิดที่ไม่แน่นอนภายใต้ 'ไม่สามารถใช้หากไม่มีการตรวจสอบ' ข้อความ: [วาง]"

เทมเพลตการตรวจสอบการไม่เปิดเผยชื่อล่วงหน้า "ก่อนที่จะให้ข้อความต่อไปนี้แก่เครื่องมือ AI ให้ตั้งค่าสถานะความลับทางการค้าหรือส่วนที่ละเอียดอ่อนส่วนบุคคล/ตามกฎระเบียบ: หมายเลขสำรอง หมายเลขใบอนุญาต พิกัดจริง ชื่อลูกค้า/พนักงาน ข้อมูลต้นทุนที่เป็นความลับ แนะนำวิธีที่ฉันสามารถปกปิดข้อมูลเหล่านี้ได้ ข้อความ: [วาง]"

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

การถามคำถามเดียวกันสองวิธีจะให้ผลลัพธ์ที่แตกต่างกันมาก

คำเตือนที่อ่อนแอ: "เหมืองนี้มีสำรองอยู่เท่าไร?"

พร้อมท์ที่รัดกุม: "บทบาท: คุณเป็นผู้ช่วยนักธรณีวิทยาทรัพยากร อธิบายว่าขั้นตอนใดที่การประมาณปริมาณสำรอง/ทรัพยากรจำเป็นต้องดำเนินการ (การผสม วาริโอแกรม การจำแนกประเภท ขีดจำกัดทางเศรษฐกิจ) และข้อมูลใดและผู้มีอำนาจรายใดที่ต้องได้รับการอนุมัติจากแต่ละขั้นตอน อย่าให้หมายเลขสำรองที่แน่นอน เน้นย้ำว่าข้อมูลนี้สามารถคำนวณได้จากข้อมูลของโครงการเท่านั้น และควรรายงานภายในกรอบของโค้ด เช่น JORC/UMREK"

พรอมต์ที่อ่อนแอเชิญชวนให้ AI สร้าง; ข้อความแจ้งที่ชัดเจนช่วยให้งานถูกต้อง (คำอธิบายกระบวนการ) และป้องกันไม่ให้ภาพหลอนทางดิจิทัลเกิดขึ้นตั้งแต่แรก

ข้อผิดพลาดทั่วไป

• “การขอ” AI เพื่อระบุหมายเลขเฉพาะหลักสูตร เช่น เกรด สำรอง ฯลฯ AI ไม่ทราบข้อมูลของคุณ ตัวเลขเหล่านี้คำนวณจากฐานข้อมูลของคุณเองเท่านั้น
• การใช้กฎหมาย/มาตรามาตรฐานโดยไม่ยืนยัน หมายเลขและมูลค่าของรายการมักมีอาการประสาทหลอน
• พิจารณาการตัดสินใจที่มีความสำคัญด้านความปลอดภัยกับเอาท์พุต AI การอพยพ การอนุมัติการระเบิด และการตัดสินใจในการให้บริการจะดำเนินการโดยวิศวกรผู้มีความสามารถ
• การวางข้อมูลที่ละเอียดอ่อนลงในเครื่องมือคลาวด์โดยไม่เปิดเผยชื่อ ข้อมูลการสำรอง การประสานงาน และราคาเป็นความลับทางการค้า
• รอหนึ่งคำถามและหนึ่งคำตอบ ใช้ AI ซ้ำๆ: สร้างแบบร่าง วิจารณ์ ตรวจสอบ และแก้ไข

ข้อควรระวัง: ยิ่งตัวเลขปรากฏในเอาต์พุต AI ที่แม่นยำและมั่นใจมากเท่าใด ความจำเป็นในการตรวจสอบก็จะยิ่งสูงขึ้นเท่านั้น ความแม่นยำไม่ได้รับประกันความถูกต้อง

โดยสรุป

ในหน่วยนี้ คุณได้เห็นแล้วว่า AI เป็นผู้ช่วยในการขุด ไม่ใช่ผู้มีอำนาจตัดสินใจ LLM เป็นตัวทำนายภาษา มีประสิทธิภาพในการอธิบายแนวคิด การล้างข้อมูล การตั้งสมมติฐาน และการสร้างโค้ด แต่มีความเสี่ยงในการสร้างตัวเลขและกฎเกณฑ์ที่แม่นยำ (ภาพหลอน) จำแนกงานเป็นต่ำ/กลาง/สูง/วิกฤต และปรับความลึกในการตรวจสอบให้เหมาะสม ตรวจสอบค่าตัวเลขทุกค่าจากข้อมูลของคุณเองหรือการวัดภาคสนาม ทุกการอ้างอิงตามกฎระเบียบจากแหล่งที่มาอย่างเป็นทางการ การตัดสินใจที่มีความสำคัญต่อความปลอดภัยยังคงเป็นของวิศวกรที่มีความสามารถเสมอ และจะไม่เปิดเผยข้อมูลที่ละเอียดอ่อนก่อนใช้งาน

งานสมัคร

เลือกห้างานจากธุรกิจของคุณเอง (หรือโครงการขุดเหมืองสมมติ): คำอธิบายแนวคิด การล้างข้อมูล รายการสมมติฐาน ค่าสำรอง/ตัวเลข และคำถามด้านกฎระเบียบ วางแต่ละรายการไว้ในตารางความเสี่ยงด้านบน จากนั้นมอบหมายงานที่มีความเสี่ยงต่ำ/ปานกลางสองงานให้กับ AI ​​ด้วยเทมเพลต "บทบาทและขอบเขต" และทำเครื่องหมายองค์ประกอบตัวเลข/กฎข้อบังคับแต่ละรายการของเอาต์พุตด้วยเทมเพลต "รายการตรวจสอบการยืนยัน" จดบันทึกว่าองค์ประกอบใดที่ไม่สามารถนำมาใช้ได้หากไม่มีการตรวจสอบ

รายการตรวจสอบ

• [ ] ฉันวางภารกิจไว้ที่ระดับความเสี่ยง (ต่ำ/กลาง/สูง/วิกฤต) ก่อนที่จะใช้งาน
• [ ] ฉันคำนวณตัวเลขเฉพาะฟิลด์ เช่น เกรด สำรอง ฯลฯ จากผลผลิตของตัวเอง แทนที่จะถาม AI
• [ ] ฉันได้ตรวจสอบการอ้างอิงกฎหมาย/มาตรฐานแต่ละรายการจากแหล่งที่มาอย่างเป็นทางการแล้ว
• [ ] ฉันไม่ระบุชื่อข้อมูลที่ละเอียดอ่อน (สำรอง พิกัด ชื่อ ต้นทุน)
• [ ] ฉันปล่อยให้การตัดสินใจที่มีความสำคัญด้านความปลอดภัยนั้นอยู่ภายใต้การอนุมัติของวิศวกรผู้มีความสามารถ ไม่ใช่ขึ้นอยู่กับเอาท์พุตของ AI
• [ ] ฉันสแกนค่าตัวเลขทุกค่าในเอาต์พุต AI เพื่อหา "ไม่สามารถใช้งานได้หากไม่มีการตรวจสอบ"