Kazanimlar:
- AI'ın maden mühendisliği iş akışında nerede gerçek zaman kazandırdığını, nerede güvenlik-kritik sorumluluğun yetkin mühendiste kalması gerektiğini risk düzeyine göre ayırt edebilme
- Her AI çıktısını standart, bağımsız hesap ve saha ölçümüyle sınayan çok katmanlı bir doğrulama disiplinini uygulayabilme
- Rezerv verisi, ruhsat bilgisi ve personel/üretim verisini korumak için bağlamı anonimleştirme ve güvenli araç seçme alışkanlığını edinebilme
Bir maden mühendisinin işi, yerin altındaki belirsizlikle yerin üstündeki kararların köprüsünü kurmaktır. Sondaj verisinden cevher gövdesini kestirmek, rezervi hesaplamak, ocağı planlamak, ekipman filosunu yönetmek, şev (ocak duvarının eğimli yüzeyi) davranışını izlemek, iş güvenliğini sağlamak, çevresel etkiyi ölçmek ve tüm bunları mevzuata uygun raporlamak. Bu işlerin ortak özelliği çok sayıda ölçüm ve veriyle çalışmak, ama her kararın sahada insan hayatı, milyonlarca liralık yatırım ve geri dönüşü olmayan çevresel sonuçlar doğurmasıdır. Yapay zeka (kısaca AI; büyük veri ve dil modelleriyle metin, sayı ve görüntü üzerinde çalışan yazılım sistemleri) tam da bu veri yoğun ama karar-kritik zeminde güçlü bir yardımcıdır. Bu ünite, AI'ı madencilikte nerede güvenle kullanacağınızı, nerede tehlikeli olduğunu ve her AI çıktısını neden standart, saha ölçümü ve mühendislik yargısıyla doğrulamak zorunda olduğunuzu öğretir.
Bu modül boyunca kullanacağınız merkez ilke şudur: AI bir asistandır, karar verici değildir. Bir tenör (cevherdeki metal oranı) değeri, bir şev açısı, bir rezerv rakamı, bir güvenlik sınırı veya bir mevzuat maddesi "AI söyledi" diye doğru olmaz; ölçümle, referansla ve yetkin mühendis yargısıyla doğrulanana kadar sadece bir hipotezdir. Bu cümleyi modülün her ünitesinde tekrar göreceksiniz, çünkü madencilikte bir sayının yanlış olması çoğu zaman bir yatırımın batması, bir şevin göçmesi ya da bir insanın yaralanması demektir.
LLM nedir, madencilikte ne işe yarar
LLM (Large Language Model / büyük dil modeli), çok büyük metin yığınlarından örüntü öğrenmiş, olasılığa dayalı olarak "sonraki kelimeyi" tahmin eden bir yazılımdır. ChatGPT, Claude, Gemini gibi araçların motoru budur. Önemli olan şudur: LLM bir "bilgi tabanı" değil, bir "dil tahmincisi"dir. Madencilik terminolojisini akıcı konuşur, ama bir tenörü ölçmez; en olası görünen sayıyı üretir. Bu yüzden ortalama tenör, sıyırma oranı, bir yönetmelik maddesi veya bir patlayıcı sınırı konusunda kendinden emin ama yanlış cevaplar verebilir. Buna halüsinasyon (uydurma) denir. Halüsinasyon bir arıza değil, bu teknolojinin doğasında olan bir özelliktir; bu yüzden doğrulama bir "ek adım" değil, işin ayrılmaz parçasıdır.
AI'ın madencilikte güçlü olduğu görevler:
- Kavram açıklama ve öğretme: variogram nedir, kaldıraç kuralı nasıl işler, asit maden drenajı nasıl oluşur.
- Veri temizleme ve düzenleme: dağınık sondaj loglarını tutarlı bir tabloya çevirmek, birim uyumsuzluğunu yakalamak.
- Hipotez listesi üretme: üretimdeki bir düşüşün olası nedenlerini sistematik listelemek.
- Kod yazma: Python ile veri temizleme, grafik, jeoistatistik ve anomali analizi scriptleri.
- Metin taslağı: JSA (iş güvenliği analizi), çevre izleme raporu, ihale/teknik şartname taslağı.
- Beyin fırtınası: senaryo karşılaştırma, deney/ölçüm planı fikirleri.
AI'ın zayıf ve riskli olduğu yerler:
- Kesin sayısal değer verme (tenör, rezerv, şev açısı, sınır değer).
- Güncel ve spesifik mevzuat/standart maddesi ve sürüm bilgisi.
- Sizin sahanızın gerçek ölçüm verisi olmadan tanı koyma.
- Güvenlik-kritik karar: patlatma tasarımı onayı, tahliye kararı, servise uygunluk.
Risk temelli sınıflandırma: AI'ı kullanmadan önceki filtre
Her görev aynı risk seviyesinde değildir. AI'ı kullanmadan önce görevi risk düzeyine göre sınıflandırın. Aşağıdaki tablo, bu modül boyunca kullanacağınız bir karar çerçevesi sunar.
Risk düzeyi
Örnek görev
AI rolü
Zorunlu doğrulama
Düşük
Kavram açıklama, taslak metin, kod iskeleti
Serbest kullanım
Gözden geçirme yeterli
Orta
Veri temizleme, hipotez listesi, hesap kurgusu
Taslak/ortak yazar
Elle kontrol + kaynak teyidi
Yüksek
Rezerv tahmini, ocak sınırı, patlatma parametresi
Fikir üreteci
Standart + saha ölçümü + yazılım
Kritik
Tahliye kararı, şev güvenliği, servise/uygunluk kararı
Yalnızca taslak/tarama
Yetkin mühendis onayı + akredite test
İpucu: Bir görevi "kritik" olarak işaretlediyseniz, AI'ın çıktısı asla nihai belge değildir. En fazla bir ön taslak veya kontrol listesi olabilir; imzayı ve sorumluluğu yetkin mühendis üstlenir.
Uçtan uca akış: AI'ı iş akışınıza yerleştirmek
Madencilikte tipik bir problem çözme döngüsü şöyledir ve AI her adıma girer ama hiçbirini tek başına kapatmaz:
- Problemi tanımla: Ne kestirilecek, hangi karar verilecek, hangi kısıt var? (AI: soruyu netleştirir.)
- Veri topla ve temizle: Sondaj, üretim, izleme, laboratuvar verisi. (AI: temizleme ve tutarsızlık kontrolünde güçlü.)
- Hipotez/senaryo üret: Olası nedenler, alternatif planlar. (AI: sistematik liste çıkarır.)
- Analiz et: Hesap, jeoistatistik, model, görüntü işleme. (AI: kod ve hesap kurgusu üretir.)
- Doğrula: Standart, saha, bağımsız hesap, yazılım. (AI kenarda; insan ve ölçüm karar verir.)
- Raporla ve karar ver: Sorumluluğu yetkin mühendis alır. (AI: taslak yazar.)
Bu altı adımı zihninizde tutun; modülün geri kalanı, her adımda AI'ı somut madencilik görevleriyle nasıl kullanacağınızı gösterir.
Üç mini vaka
Vaka 1 — Uydurulmuş ortalama tenör. Bir stajyer, bir bakır projesinin ortalama tenörünü AI sohbet aracına sorar; AI "yaklaşık %0,65 Cu" der. Stajyer bunu yatırım sunumuna koyar. Oysa AI bu projenin tek bir sondaj verisini görmemiştir; "bakır projesi" için tipik bir sayı üretmiştir. Gerçek değer, sadece projenin kendi kompozitlenmiş sondaj verisinden ve jeoistatistik tahminden gelir; bu projede gerçek değer %0,38 çıkar. Aradaki fark, yatırımın kârlı görünmesiyle zarar etmesi arasındaki farktır. Doğru tutum, tenörü hiçbir zaman AI'a "sormamak", kendi veri tabanınızdan hesaplamaktır.
Vaka 2 — Var olmayan yönetmelik maddesi. Bir mühendis, patlatmada izin verilen maksimum yer titreşimini (PPV: en yüksek parçacık hızı, mm/s) AI'a sorar. AI "yönetmeliğe göre 10 mm/s" der ve bir madde numarası uydurur. Mühendis raporu buna göre yazar. Denetimde madde numarasının gerçek olmadığı, sınır değerin mesafeye ve yapı türüne göre değiştiği ortaya çıkar. Doğru tutum, güncel yönetmeliği resmî kaynaktan açıp değeri ve maddeyi teyit etmektir. AI yönetmeliğin adını doğru bilse bile madde numarasını halüsine edebilir.
Vaka 3 — Doğru kullanım. Bir jeolog, 40 sondajlık bir veri setinde tenör sütununda tutarsızlık olduğundan şüphelenir. AI'a "bu tabloda birim tutarsızlığı, negatif değer, gözle görülür çıkıntı (outlier) ve boş hücre olabilecek satırları listele ve her biri için neden şüphelendiğini yaz; düzeltme YAPMA, sadece işaretle" der. AI, ppm ile % karışmış birkaç satırı, iki negatif tenörü ve bir 999 kod değerini işaretler. Jeolog bunları ham loglardan tek tek kontrol eder ve düzeltir. Burada AI doğru kullanılmıştır: dikkat çekti, kararı ve düzeltmeyi insan yaptı.
Kopyalanabilir prompt şablonları
Aşağıdaki şablonları kendi işinize uyarlayarak kullanabilirsiniz. Her birinde "kesin sayı verme, kaynağı belirt, belirsizliği açıkla" talimatı bilinçli olarak vardır.
ROL VE SINIR ŞABLONU"Rol: Deneyimli bir maden mühendisi asistanısın.Görev: [konuyu yaz].Kurallar: Kesin sayısal değer (tenör, rezerv, sınır) verirkenKAYNAĞINI belirt; emin değilsen 'doğrulanmalı' de. Yönetmelik/standart maddesi verirsen sürümüyle ver ama resmî kaynaktan teyitedilmesi gerektiğini hatırlat. Cevabın sonunda 'nelerin sahaölçümü/hesapla doğrulanması gerektiğini' madde madde yaz."
HİPOTEZ ÜRETME ŞABLONU"Şu durum için olası nedenleri sistematik liste halinde çıkar:[durumu tarif et; ne gözlendi, hangi veri var]. Her hipotez için:(1) hangi kanıt bunu destekler, (2) doğrulamak/çürütmek için hangiölçüm veya hesap yapılmalı. Kesin tanı KOYMA; araştırma yolharitası çıkar."
DOĞRULAMA KONTROL LİSTESİ ŞABLONU"Aşağıdaki rapor taslağındaki HER sayısal değeri ve HER mevzuat/standart atfını listele. Her biri için hangi kaynaktan (kendisondaj verisi, resmî yönetmelik metni, laboratuvar raporu, sahaölçümü) doğrulanması gerektiğini belirt. Kaynağı belirsiz olanları'doğrulanmadan kullanılamaz' başlığında topla. Metin: [yapıştır]."
ANONİMLEŞTİRME ÖN KONTROL ŞABLONU"Aşağıdaki metni bir AI aracına vermeden önce ticari sır veyakişisel/mevzuat açısından hassas kısımları işaretle: rezervrakamları, ruhsat numarası, gerçek koordinatlar, müşteri/personelisimleri, gizli maliyet verisi. Bunları nasıl anonimleştirebileceğimiöner. Metin: [yapıştır]."
Zayıf prompt / Güçlü prompt
Aynı soruyu iki şekilde sormak çok farklı sonuç verir.
ZAYIF PROMPT:"Bu madenin rezervi ne kadar?"
GÜÇLÜ PROMPT:"Rol: Kaynak jeoloğu asistanısın.Bir rezerv/kaynak tahmininin hangi adımlardan (kompozitleme,variogram, kriging, sınıflandırma, ekonomik sınır) geçmesigerektiğini ve her adımda hangi verinin ve hangi yetkin kişionayının şart olduğunu açıkla. KESİN bir rezerv sayısı VERME;bunun yalnızca projenin kendi verisinden hesaplanabileceğini veJORC/UMREK gibi bir kod çerçevesinde raporlanması gerektiğinivurgula."
Zayıf prompt AI'ı uydurmaya davet eder; güçlü prompt onu doğru işte (süreç açıklama) tutup sayısal halüsinasyonu baştan engeller.
Sık yapılan hatalar
- Tenör, rezerv gibi saha-spesifik sayıları AI'a "sormak". AI sizin verinizi bilmez; bu sayılar yalnızca kendi veri tabanınızdan hesaplanır.
- Mevzuat/standart maddesini teyit etmeden kullanmak. Madde numarası ve değer sıkça halüsine edilir.
- Güvenlik-kritik kararı AI çıktısına dayandırmak. Tahliye, patlatma onayı, servise uygunluk kararı yetkin mühendisindir.
- Hassas veriyi anonimleştirmeden bulut aracına yapıştırmak. Rezerv, koordinat ve maliyet verisi ticari sırdır.
- Tek soru-tek cevap beklemek. AI'ı iteratif kullanın: taslak üret, eleştir, doğrula, düzelt.
Dikkat: Bir AI çıktısında bir sayı ne kadar kesin ve kendinden emin görünüyorsa, doğrulama ihtiyacı o kadar yüksektir. Kesinlik, doğruluk garantisi değildir.
Özetle
Bu ünitede AI'ın madencilikte bir asistan olduğunu, karar verici olmadığını gördünüz. LLM'ler dil tahmincisidir; kavram açıklama, veri temizleme, hipotez ve kod üretmede güçlü, ama kesin sayı ve mevzuat maddesi üretmede risklidir (halüsinasyon). Görevleri düşük/orta/yüksek/kritik olarak sınıflandırıp doğrulama derinliğini buna göre ayarlayın. Her sayısal değeri kendi verinizden veya saha ölçümünden, her mevzuat atfını resmî kaynaktan doğrulayın. Güvenlik-kritik kararlar her zaman yetkin mühendiste kalır ve hassas veriyi kullanmadan önce anonimleştirin.
Uygulama görevi
Kendi işinizden (veya hayali bir maden projesinden) beş görev seçin: bir kavram açıklaması, bir veri temizleme, bir hipotez listesi, bir rezerv/sayısal değer ve bir mevzuat sorusu. Her birini yukarıdaki risk tablosuna yerleştirin. Sonra "Rol ve sınır" şablonuyla düşük/orta riskli iki görevi AI'a yaptırın ve çıktının her sayısal/mevzuat unsurunu "Doğrulama kontrol listesi" şablonuyla işaretleyin. Hangi unsurların doğrulanmadan kullanılamayacağını yazın.
Kontrol listesi
- [ ] Görevi kullanmadan önce risk düzeyine (düşük/orta/yüksek/kritik) yerleştirdim.
- [ ] Tenör, rezerv gibi saha-spesifik sayıları AI'a sormak yerine kendi verimden hesapladım.
- [ ] Her mevzuat/standart atfını resmî kaynaktan teyit ettim.
- [ ] Hassas veriyi (rezerv, koordinat, isim, maliyet) anonimleştirdim.
- [ ] Güvenlik-kritik kararı yetkin mühendis onayına bıraktım, AI çıktısına dayandırmadım.
- [ ] AI çıktısındaki her sayısal değeri "doğrulanmadan kullanılamaz" gözüyle taradım.