Жасыл алаңды барлау кезінде ең қымбат мәселе көбінесе алғашқы бұрғылау басталғанға дейін пайда болады.
Жүздеген немесе тіпті мыңдаған шаршы километрді қамтитын кен өндіру құқықтарына байланысты, аймақтық геология, қашықтан зондтау, геохимиялық барлау, геофизикалық барлау, тарихи кен орындары және бірнеше бұрғылау ұңғымалары бір уақытта болуы мүмкін, бірақ бұл ақпарат табиғи түрде бірдей жауапқа жетпейді. Жоба тобы шын мәнінде қарастыруы тиіс нәрсе — қай аймақтарға алдымен инвестиция салу керек — барлау, үлгі алу, геофизикалық барлау және бұрғылау бюджеттері?
Минералды проспективтілікті карталау (MPM) — осы сұраққа жауап беру үшін қолданылатын әдістердің бірі. Ол әртүрлі геоғылыми дәлелдер түрлерін біріктіріп, аймақтың салыстырмалы барлау әлеуетін бағалап, рейтингтейді, содан кейін кең ауқымнан үміткер аймақтарды таңдайды, әрі қарай зерттеуге лайық.
AI осы процесте деректердің масштабын және талдауын өзгертіп жатыр, бірақ сонымен қатар оңай шатастыратын ұғымды әкеледі:
AI арқылы жасалған жоғары әлеуетті аймақтар жасанды интеллект «кен денелерін тапты» дегенді білдірмейді.
Нақтырақ айтқанда:
Жасанды интеллект негізіндегі минералды проспективтілік картасы геологиялық, геохимиялық, геофизикалық, қашықтан зондтау және кеңістіктік деректерді пайдаланып, аймақтарды салыстырмалы барлау әлеуеті бойынша рейтингтейді. Бұл — кен денесінің дәлелі емес, басымдықтарды анықтау құралы.
Осыны түсіну – AI-ді дұрыс майнингте қолданудың бастапқы нүктесі.
01|Ұзақ мерзімді болжамдар алдымен «қайда бару керек» мәселесін қарастырады, «қай кеніштер бар» емес.
Дәстүрлі минералды барлау әдетте аймақтық хабардарлықтан басталады.
Геологтар металогендік аймақтар, аймақтық құрылымдар, магмалық жыныстардың таралуы, белгілі шөгінділер, өзгерістер және геохимиялық аномалиялар негізінде өз ауқымын біртіндеп тарылтады. Геофизикалық, геофизикалық және бұрғылау деректері артқан сайын, жер асты туралы түсінік үнемі жаңартылып, мақсатты аймақтар сәйкесінше реттеледі.
Бұл әдістің өзінде ешқандай ақау жоқ.
Негізгі қиындық — жоба аймағы жеткілікті үлкен болғанда және жеткілікті дереккөздер болғанда, адамдар барлық кеңістіктік қатынастарды үздіксіз және жүйелі түрде салыстыру қиын болады.
Мысалы, мыс-алтын жобасы келесі мәселелерді қарастыруы мүмкін:
Аймақтық жарылыстар сұйықтық арналар береді ме;
Интрузивті жыныстардың жасы мен литологиясы сәйкес келе ме;
Қашықтан зондтау арқылы байланысты өзгерістер бар ма;
Cu, Au, Mo және оларға қатысты элементтер химиялық зерттеуде мағыналы комбинациялар құрай ма;
Магниттік немесе гравитация терең енуді қолдайды;
Тарихи бұрғылау қосымша деректер береді ме, жоқ па.
Минералданудың бар екенін дәлелдейтін бір-бір дәлел табу қиын.
Шын мәнінде маңыздысы:
Бұл дәлелдер кеңістіктік және минералдану логикасы тұрғысынан белгілі бір аймақтарға қатысты ма?
Міне, минералды проспективтілік картасын жасаудың негізгі міндеті дәл осы — кен денелерін дәлелдеу емес, кеңістіктік басымдықтарды анықтау.
02|AI көп көзді дәлелдердің салыстыру шкаласын өзгертеді
Дәстүрлі ұзақ мерзімді болжау салмақты жинау, сарапшы бағалау және статистикалық модельдер сияқты әдістерді де қолдануы мүмкін, сондықтан бұл AI-дің математикалық модельдерге геологиялық деректерді алғаш рет енгізуі емес.
Оның шынайы өзгерісі — көбірек айнымалыларды, күрделі кеңістіктік қатынастарды және үлкен көлемді деректерді өңдеу мүмкіндігі.
AI іздеу жүйесі келесі мәселелерді бір уақытта шешуі керек болуы мүмкін:
Геология
литология, стратиграфия, интрузивті жыныстар, кен орындары түрлері және металлогендік кезеңдер.
Құрылымы
Жарықтар, тектоникалық конвергенция, ығысу аймақтары және аймақтық тектоникалық үлгілер.
Геохимия
Мақсатты элемент, байланысты элемент және көп элементті комбинация аномалиясы.
Геофизика
Гравитация, магнитизм, электр және электромагнетизм сияқты аномалиялар және олардың кеңістіктік сипаттамалары.
Қашықтан зондтау | Қашықтан зондтау
өзгеріс, сызықтық құрылым, литология және беткі аномалиялар.
Белгілі минералдану
Кен орындары, кен белгілері, минералданған ашылымдар және тарихи жұмыстар.
Бұрғылау
Литология, өзгеру, минералдану және құрам туралы ақпарат.
Жасанды интеллект осы айнымалылар арасындағы күрделі сызықтық емес байланыстарды табуға және үздіксіз кеңістік ықтималдығы немесе басымдық көрсеткішін жасауға көмектесе алады.
Бірақ мұнда назар аудару керек:
Деректер көп болғанымен, модель әрдайым сенімді болады деп емес.
Егер кіріс деректер сапасы төмен болса, кеңістіктік таралу тең емес болса, координаттарда қателер болса немесе оқыту үлгілері өздері ауытқулар болса, ЖИ тек осы мәселелерді тиімдірек үлкейте береді.
Сондықтан Mineral Prospectivity Mapping-тің бірінші қадамы ешқашан «көпірек озық моделді таңдау» емес, деректерді түсіну.
03｜Ең маңызды сұрақ: «Кен іздеу әлеуеті» дегеніміз не?
ЖИ моделі табиғи түрде «қалай әлеуетті» екенін түсінбейді.
Бұл ұғым адам тарапынан анықталуы тиіс.
Мысалы, егер модель тарихи белгілі кендерді оң үлгі ретінде қолдана отырып оқытылса, онда ол нақты үйренетін нәрсе:
Қай кеңістік ерекшеліктері өткенде табылған кендерге ұқсас.
Бұл өте құнды, бірақ бір ықтимал мәселе бар.
Өткен кендер неге табылды?
Олар жолға жақын болуы мүмкін, бетінде көрініп тұруы жеңіл, барлау деңгейі жоғары немесе тарихи жұмыстар көп аймақта шоғырланған. Егер модель бұл «табылу ауытқуын» нақты минералдану заңдылықтарынан ажыратпаса, ол үйренетін нәрсе «қай жерде минералдардың болуы ықтимал» емес, «қай жерде бұрын адамға оңай көрінген» болуы мүмкін.
Сол мәселелер теріс үлгілерде де кездеседі.
Белгілі кендер жоқ аймақ, онда «кен жоқ» дегенді білдірмейді. Ол тек жеткілікті барланып көрілмеген де болуы мүмкін.
Сондықтан, жоғары сапалы жасанды интеллект болжамдары оқыту үлгілерін, кеңістіктік ауытқуларды және геологиялық шектеулерді мұқият өңдеуі тиіс.
Нақты кәсіби мәселе:
"Модельдің дәлдігі қандай?"
Оның орнына:
"Модель нақты не үйренді?"
Сол себепті Gaia әрдайым геологиялық механизмдер мен жасанды интеллекттің бірге өмір сүруі керек екенін баса көрсеткен.
Деректер байланыстары заңдылықтарды анықтауға көмектеседі, бірақ ақырында бұл модельдердің минералдану маңызы әлі де кен орны модельдеріне, аймақтық тектоникаға және кен түзу жүйелеріне байланысты.
04 | Жылу картасы жеткіліксіз
Mineral Prospectivity Mapping-тің ең оңай таралатын нәтижесі әдетте ашық түсті ықтималдық диаграммасы болып табылады.
Қызыл түс жоғары әлеуетті, көк төмен әлеуетті білдіреді.
Бұл сөз өте интуитивті, бірақ жалған сенімділік сезімін тудырады.
Мысалы, 0.85 ықтималдық аймағы нақты нені білдіреді?
Бұл келесі дегенді білдірмейді:
Жер астында экономикалық кен объектілерінің болуы ықтималдығы 85%.
Бұл мән әдетте нақты оқыту деректері, айнымалылар және анықтамалар бойынша модель берген салыстырмалы нәтиже болып табылады. Оқыту үлгілері жиынтығын өзгерту, кейбір параметрлерді өзгерту немесе жаңа деректер қосу өзгерістерге әкелуі мүмкін.
Сондықтан, кәсіби AI мақсатты картасы кем дегенде үш сұраққа жауап бере алады.
Біріншіден, неге ол соншалықты жоғары рейтингте?
Қай геологиялық, құрылымдық, геологиялық, геофизикалық немесе қашықтықтан зондтау дәлелдері ең көп үлес қосады?
Екіншіден, бұл шешімді қолдамайтын қандай дәлелдер?
Жоғары әлеуетті аймақта айқын қарсы дәлелдер болуы мүмкін.
Үшіншіден, қазіргі уақытта қандай деректер жетіспейді?
Егер геологиялық жұмыс қосылса, қазіргі бағалауларды өзгертуі мүмкін қандай ақпарат бар?
Сондықтан «жоғары ықтималдығынан» да маңыздысы — мына бір тізбекті қалыптастыру:
Мақсат → Дәлел → Белгісіздік → Тексеру
Яғни:
Мақсат аймағы — Дәлел — Белгісіздік — Тексеру
толық тізбегі.
Тек осылай ғана ықтималдық картасы шынайы инженерлік мәнге ие болады.
05｜Көрініс картасынан нақты мақсат аймағына өту үшін әлі бір геологиялық сүзгіден өту қажет
Перспективалық карталау (Prospectivity Mapping) мен Мақсатты анықтау (Targeting) толық бірдей түсінік емес.
Біріншісі үлкен аймақтағы салыстырмалы потенциалды бағалауға көбірек назар аударады, ал екіншісі нақты барлау шешіміне жақын — қай аймақтарды келесі кезеңге енгізу керек.
Жоғары потенциалды аймақ нақты мақсат аймағы болуы үшін, қосымша нақты шектеулерді ескеру қажет.
Мысалы:
Геологиялық дәлелдер сәйкестігі бар ма;
Мақсат ауқымы қазіргі барлау әдісіне сәйкес пе;
Қабаттасу тексеру әдісіне әсер ете ме;
Химиялық немесе физикалық барлау жеткілікті ме;
Орынға жету мүмкіндігі қандай;
Келесі кезеңдегі тексеру құны орынды ма.
Сондықтан толық процесс мынадай болуы керек:
Аймақтық деректерді интеграциялау
→ Минералдық перспективалық карталау
→ Жоғары потенциалды аймақтарды анықтау
→ Геологиялық механизмді қарау
→ Көп дереккөзді дәлелдерді салыстыру
→ Мақсат аймақтарды сұрыптау
→ Жергілікті тексеру
Бұл қайдан AI геологтарды алмастыра алмайтынын да түсіндіреді.
AI іздеу кеңістігін «барлық кен учаскесінен» бірнеше басым аймаққа дейін азайтуға өте ыңғайлы, бірақ соңында қай аймаққа барлау, үлгі алу, физикалық барлау немесе бұрғылау жоспарына кіретінін геологиялық логика мен инженерлік жағдайларды ескере отырып шешу керек.
AI азайтатыны — іздеу ауқымы, кәсіби бағалау емес.
06｜Gaia Targeting Agent：Мақсатты аймақтың артында дәлелдер тізбегі болсын
Gaia геологиялық интеллектуалды агенттік платформасында Gaia Targeting Agent дәл осы атқарымдарды орындайды.
Бірақ бұл бөлек «шертумен кен іздеу» функциясы емес.
Нақты жобаларда мақсатты аймақты анықтау көбінесе бірнеше мамандандырылған тапсырмалардың өзара әрекеттесуінен туындайды. Мысалы:
Report Agent
Ең алдымен тарихи есептерді, бар кенденулерді, кен орны модельдерін және алдыңғы зерттеулерді жинақтайды;
↓
Remote Sensing Agent
Аймақтың алыс сезу деректерін және жер қабатының ерекшеліктерін талдайды;
↓
Geochem Agent
Элементтердің ерекшеліктерін және көп элементтік комбинацияларын анықтайды;
↓
Geophysics Agent
Жер асты физикалық деректерін жинақтайды;
↓
GIS Agent
Әртүрлі дерек көздерінен алынған кеңістік ақпаратын біртұтас құрылымға орналастырады;
↓
Targeting Agent
Әртүрлі дәлелдерді біріктіріп, кандидат аймақтарды салыстырады және приоритеттерін анықтайды;
↓
Геологтың қарауы және жердегі тексеру
Мұнда екі өнім деңгейін нақты ажырату қажет.
Gaia Targeting Agent геологиялық интеллектуалды платформаның жұмыс ағымы қабілетіне жатады, күнделікті геологиялық және жоба талдауларына арналған; ал Blue Star компаниясының негізгі Greenfield Exploration Model моделі тереңірек аймақтық кен қорын бағалауға және кәсіби жобалық ынтымақтастыққа арналған.
Екеуі де тек қайталау емес.
Оны былай түсінуге болады:
Агент тапсырмалар мен кәсіби жұмыс процесін ұйымдастыруға жауапты, ал модель тереңірек кен орны есептеулерін орындауға жауапты.
Қарапайым геолог үшін шын мәнінде маңыздысы — платформа есептерді, алыстан зондтауды, геохимияны, физикалық барлау мен ГИС-ті бір-бірінен бөлінген нәтижелерге айналдырмай, барлығы бір мәселеге қызмет етуі:
Неліктен бұл аймақ бірінші кезекте тексеруге тұрарлық?
07｜Greenfield Exploration Model шын мәнінде не шешкісі келеді?
Жасыл алаң жобалары мен дамыған кен орындарының бір түпкі айырмашылығы бар:
Белгісізі белгілісінен әлдеқайда көп.
Дамыған жобалар әдетте ұңғымалар, ресурстық модельдер және үлкен көлемдегі алаң деректері бар; ал жасыл алаң жобаларында тек өңірлік геологиялық карта, алыстан зондтау, аз ғана химиялық зерттеу, тарихи кен орындары және біркелкі емес кейбір ескі материалдар болуы мүмкін.
Бұл кезеңдегі шын қиындық — кен орынын дәл бағалау емес, үлкен аймақтық кеңістік ішінде әрі қарай жұмыс істеуге тұрарлық бағытты табу.
Сондықтан Gaia-ның Greenfield Exploration Model негізінен мыналарға бағытталған:
**Аймақтық кен қоры әлеуетін болжамдау
Мақсатты аймақтарды іріктеу
Мақсатты аймақтарды басымдық бойынша реттеу**
Негізгі мақсат — жер астында кен бары дәлелдеу емес, іздеу кеңістігін азайту.
Сондықтан жасыл алаңда кен іздеу AI үшін әсіресе бағалы жағдай болып табылады.
Бұл кезеңде әрбір төмен басымдықты аймақты азайту кейінгі көптеген нәтижесіз барлау, үлгі жинау, физикалық зерттеу және ұңғымалық жұмыстарды болдырмауы мүмкін.
Бірақ сонымен қатар, жасыл алаң AI моделі де өте абай болуы керек.
Деректер жиі сирек, белгісіздік жоғары, тарихи тексеру ақпараттары шектеулі.
Сондықтан:
Модель жобада ертерек енгізілген сайын, алаңдағы тексеру маңыздырақ болады.
08|AI ұзақ мерзімді болжамының сенімді екенін қалай бағалауға болады?
Тау-кен компаниялары, инвестициялық мекемелер немесе геологиялық топтар үшін модель қолданған алгоритмді сұраудың орнына, алдымен келесі сұрақтарды қою жақсы.
Деректер қайдан келеді?
Деректер сапасы, координат жүйелері және қамту сенімді ме?
Модель геологиялық шектеулерді қамтиды ма?
Жоқ әлде олар тек статистикалық корреляцияны іздеп жүр ме?
Неге әлеуетті аймақтар соншалықты жоғары?
Жүйе негізгі дәлелдерді түсіндіре ала ма?
Көрсететін белгісіздік бар ма?
Жоқ әлде барлық нәтижелер өте анық көрінеді ме?
Жаңа деректерді модельге енгізуге бола ма?
Жаңа үлгі алу, геофизикалық зерттеу немесе бұрғылау нәтижелері бастапқы шешімді өзгерте ала ма?
Бұл болжам ақырында қалай расталады?
Жерде жұмыс істеуге нақты жол бар ма?
Осы сұрақтарға жауап беру әдемі жылу картасын көрсетуден әлдеқайда маңызды.
Өйткені минералды барлау үшін шын мәнінде қажет нәрсе ешқашан «ерекше түстер» болған емес.
Оның орнына:
Бұл негізделген келесі қадам.
Қорытынды | AI-дің ең маңызды мүмкіндігі — қателікке негізделген іздеулер үшін аумақты тарылту
Минералды проспективтілік картасын жасау ЖИ минералды барлау саласына кіруде ең жиі қолданылатын сценарийлердің біріне айналуда.
Себебі қарапайым:
Кен өндіру жобалары үшін ең аз ресурс — тек қаржыландыру ғана емес, сонымен қатар тексеру бюджеті де бар.
Бір кен өндіру құқығы өте үлкен болуы мүмкін, бірақ геологиялық топтар шын мәнінде зерттеп, үлгі алып, геофизикалық зерттеулер жүргізе алатын және бұрғылау салалары әрдайым шектеулі.
AI-дің құндылығы – жобалық топтарға қымбат инженерлік жұмысты бастамас бұрын, көбірек деректерді ұйымдастыруға, іздеу аясын тарылтуға және әртүрлі аймақтар арасындағы басымдықты ажыратуға көмектесу.
Бірақ бұл AI жер астында соңында не бар екенін білетінін білдірмейді.
Жоғары ықтималдығы бар дегеніміз пайдалы қазбалар емес, мақсатты аймақ табылған жоқ, болжам ресурстар саны туралы айтпайды.
Gaia Targeting Agent, Greenfield Exploration Model және басқа кәсіби GeoAgents арқылы Mineral Prospectivity Mapping-ты бір оқшауланған ықтималды картадан шынайы барлау жұмыс ағысына кіретін кәсіби бағалау процесіне айналдыруды қалайды.
Есептерден, қашықтықтан зондтау, геохимия және геофизика арқылы, мақсатты аймаққа, содан кейін далалық тексеруге дейін, әр қадамда жаңа дәлелдер біздің жер астына деген түсінігімізді үнемі өзгертеді.
Сондықтан AI-дің тау-кен іздеудегі ең негізгі сұрағы ешқашан:
"AI бізге қай жерде пайдалы қазба бар екенін айта ала ма?"
емес, керісінше:
"Үлкен белгісіз аймаққа қарағанда, біз қай жерде келесі инвестицияны тексеруге тұрарлық екенін ерте біліп ала аламыз ба?"
Міне, AI Mineral Prospectivity Mapping шынайы құндылығы осында.