AI тау-кен барлау саласына кіре бастағанда, жиі кездесетін қате түсінік – «AI тау іздеуін» ерекше бір бағдарлама ретінде түсіну: бір топ геологиялық деректерді жүктейсің, модель бірнеше қызыл нысан аймағын шығарады да, геологиялық топқа келесі бұрғылау қай жерде жүргізілуі керек екенін тікелей айтады.
Шын мәнінде тау-кен барлау әлдеқайда күрделі.
Бір жоба бастапқыда тау-кен құқығын алғаннан бастап, аймақтық іріктеу, алаңға бару, геохимия, геофизика, нысан аймағын таңдау, содан соң бұрғылау мен ресурсты көбейтуге дейін бірнеше жылдар бойы созылуы мүмкін. Осы процесте жаңа есептер, карталар, қашықтықтық сезгіш деректер, сынамалар нәтижелері, геофизикалық мәліметтер және бұрғылау ақпараттары жобаның ішіне түсіп отырады, ал команда жер асты туралы түсінігі үнемі өзгереді. Бүгін ең маңызды деп саналған нысан аймағы, ертеңгі бір бұрғылау себебінен приоритетін жоғалтуы мүмкін; бастапқыда байқалмай қалған аномалия, жаңа геохимиялық және геофизикалық дәлелдер арқасында негізгі мақсатқа айналуы мүмкін.
Сондықтан, шынайы құнды AI құралдары тек бір оқшауланған тапсырманы орындап қоймауы керек.
Талқылауға тұрарлық мәселе –
AI тау-кен барлау жұмыстарының әр кезеңінде үнемі қатыса ала ма, әр жаңа деректі келесі бағалау кезеңіне тезірек енгізе ала ма?
Бұл тұрғыдан алғанда, болашақтағы AI тау-кен барлауы жеке модель емес, бүкіл барлау өмірлік циклі бойынша жұмыс істейтін жүйе болады.
01｜AI тау-кен барлауына алғашқы қадам, әдетте, болжам жасаудан емес, бар деректерді қайта түсінуден басталады
Көптеген тау-кен жобаларының нақты шешуі керек бірінші мәселесі – «қай жерде кен болуы мүмкін» емес, «біз қазір нақты не білетініміз».
Онжылдықтар, тіпті бірнеше онжылдықтар бойы тарихы бар тау-кен құқығы көптеген геологиялық есептер, сканерленген карталар, бұрғылау журналдары, химиялық барлау деректер базасы, геофизикалық нәтижелер, Excel кестелері, KML/KMZ файлдары және әртүрлі нұсқадағы GIS қабаттарын жинап қойған болуы мүмкін. Мәселе, бұл материалдардың әдетте әр түрлі уақыттардан, әр түрлі мердігерлер мен техникалық топтардан алынғандығында, атау әдісі, координаталық жүйе, файл форматы және техникалық түсіндірмелер бірқалыпты болмауы мүмкін.
Сондықтан, жаңа геология тобы жобаны өз қолына алғанда, көп уақыт алдымен ең қарапайым ақпаратты қалпына келтіруге жұмсалады: бұрын не жасалған? Қай мақсатты аймақтар сынақтан өткен? Қай аномалиялар зерттелмеген? Тарихи топ неге белгілі бір тектоникалық түсініктеме жасады? Ескі бұрғылау ұңғымалары қазіргі кен орындарының модельдерін қолдай ма, қарсы ма?
Дәл осы жерде ірі тілдік модельдер мен арнайы оқыту агенттері ең көп қолданылуы мүмкін.
Есеп агенттері тарихи техникалық есептерді ұйымдастыруға, негізгі параметрлер мен геологиялық түсініктерді алуға және ақпарат көздерін мүмкіндігінше сақтауға көмектесе алады; ГИС және кодтау агенттері құжатты анықтауға, деректерді форматтауға, координаттарды тексеруге және негізгі дерекқорларды ұйымдастыруға қосымша көмектесе алады. Осы процесс арқылы бастапқыда ондаған папкаларға шашыраңқы ақпарат геологиялық топтарға арналған Project Context ретінде қайта құрылымдауды бастады.
Бұл кезең «AI майнингі» сияқты көрінбеуі мүмкін, бірақ өте маңызды.
Өйткені егер команда бар деректерді тиімді пайдалана алмаса, онда одан да жетілдірілген болжам модельдері тек толық емес жобаны түсінуге негізделеді.
02|Қашықтан зондтау, геохимия және геофизикалық жасанды интеллекттің ортақ құндылығы — «аномалияны» геологиялық контексте қайтару
Тарихи деректер қайта ұйымдастырылғаннан кейін, жасанды интеллект зерттеу кезеңдеріне өте бастайды.
Қашықтықтан зондтау аймақтық скринингте жиі қолданылған алғашқы құралдардың бірі болып табылады. Жүздеген немесе тіпті мыңдаған шаршы километрді қамтитын кен өндіру құқықтары бар кезде, геологиялық топтар барлық аймақтарда бірдей ауқымды далалық жұмыстарды жүргізе алмайды, сондықтан спутниктік суреттер, DEM және басқа қашықтан зондтау деректері құрылымдарды, литологиялық шекараларды, өзгерістерді және беткі аномалияларды анықтауға көмектеседі. AI кескін өңдеу мен кеңістіктік салыстырудың тиімділігін арттыра алады, бірақ оның бірінші көретіні әлі де жер асты кен денелері емес, тек «беткі ерекшеліктер» ғана.
Қашықтықтан зондтау аномалиясы гидротермалдық өзгерістерге байланысты болуы мүмкін немесе кәдімгі ауа райы, жалаңаш тас, өсімдіктердің өзгеруі, жолдар немесе тарихи кен өндіру қызметтерінен туындауы мүмкін. Сондықтан, AI қашықтан зондтау шын мәнінде "кен денесі қайда орналасқан" емес, керісінше:
Қай аймақтарда кеңістіктік және спектрлік ерекшеліктер бар, әрі қарай зерттеуге тұрарлық?
Жер химиялық талдау да соншалықты. Жасанды интеллект көп элементтік деректерді жылдам өңдей алады, аномалияларды тану, кластерлеу, элементтердің өзара байланысы мен кеңістік салыстыруын жүргізеді, бірақ шын мәнінде маңыздысы көбінесе бір ғана элементтің ең жоғарғы мәнін іздеу емес, әртүрлі элементтердің комбинациялық байланыстарын түсіну және бұл комбинациялар бір қалыпты кен жүйесіне сәйкес келетінін білу.
Мысалы, бір Au жоғары мәні өздігінше белгілі бір мәнге ие болуы мүмкін, бірақ егер ол As, Sb немесе мақсатты кен орнына қатысты басқа элементтермен тұрақты кеңістіктік комбинация түзсе, оның геологиялық мағынасы әдетте күшті болады. Керісінше, аномалияларға эрозия, рельеф, сынама тығыздығы және зертхана жағдайлары да әсер етуі мүмкін, сондықтан статистикалық аномалиялар әлі де кенмен тікелей тең болмайды.
Геофизика мәселені жер асты деңгейіне дейін кеңейтеді. Гравитация, магниттік әдіс, кедергілік, пьезоэлектрлік және электромагниттік деректер жер асты физикалық қасиеттерінің өзгерістерін көрсете алады, бірақ зондталған нәрсе әлі де «кен денесі өзі» емес, әртүрлі жер асты орталардың реакциясы. Бір төмен кедергі аномалиясы ыстық сұйықтық ағынына сәйкес келуі мүмкін, бірақ сонымен қатар саз, графит немесе суды қамтитын құрылымнан туындауы мүмкін; бір магниттік аномалияға да бірнеше геологиялық түсіндірме болуы мүмкін.
Сондықтан, тіпті қашықтан зондтау, жер химиясы немесе геофизика болсын, AI-дің нағыз құнды жағы — көбірек аномалия жасау емес, команданың осы аномалияларды аймақтық геология, құрылым, тау сипаты және тарихи біліммен жүйелі түрде салыстыруына көмектесу.
Басқаша айтқанда:
Аномалия — тек дәлел, геологиялық мәні әлі де түсіндіруді қажет етеді.
03｜Іздеу қабілетін карталаудан нысаналы бағыттауына дейін, AI шын мәнінде барлау басымдылығына қатыса бастайды
Геологиялық, қашықтан зондтау, жер химиясы және геофизикалық ақпарат бір жобалық ортаға біртіндеп қосылғанда, AI әлдеқайда кешенді тапсырмаларды атқара алады, олардың ішіндегі ең типтісі — Mineral Prospectivity Mapping.
Оның негізгі мақсаты — бірнеше геологиялық дәлелдерге сүйене отырып, аймақтың салыстырмалы кен табу әлеуетін бағалау және реттеу. Модель бір уақытта геология, құрылым, интрузивті жыныстар, қашықтан зондтау арқылы минералдық өңдеу, химиялық зерттеу аномалиялары, геофизика деректері, тарихи кен орындары және бар бұрғылау ұңғымаларын қарастыра алады, содан кейін жалғасты кеңістіктік басымдық нәтижелерін жасайды.
Бұл кезең сондай-ақ AI көмегімен кенді зерттеуде ең көп түсіндірілмейтін кезең, өйткені соңғы нәтиже көбінесе өте түсінікті түстегі «потенциалдық карта» болып шығады.
Бірақ мынадайды анық көрсету керек:
Жоғары потенциалды аймақ кен қоры бар дегенді білдірмейді.
Шынайы Prospectivity Map командаға айтып отырғаны: ағымдағы деректер мен модель бойынша, қандай аймақтар одан әрі зерттеуге салыстырмалы түрде лайықты. Ол жер астында экономикалық минералдардың бар екенін дәлелдей алмайды және бұрғылау мен ресурсты бағалаудың орнын баса алмайды.
Шынайы құндылықты ол әкеледі - іздеу аумағын азайту.
Егер бір жоба бастапқыда 500 шаршы км кен учаскесін қамтуы керек болса, ал көп дерек көздерін талдау командаға назарды бірнеше ондаған шаршы км, тіпті бірнеше басым аймаққа шоғырландыруға көмектессе, кейінгі зерттеу, үлгі жинау, геофизикалық жұмыстар мен бұрғылау әлдеқайда нақты бағытқа ие болады.
Бірақ Prospectivity Mapping-тен кейін, әлі де Targeting кезеңіне түсу қажет.
Өйткені бір аймақ модельде жоғары потенциалға ие болуы, оның дереу бұрғылауға дайын дегенді білдірмейді. Шынайы мақсатты аймақ үшін геологиялық дәлелдер үйлесімді ме, мақсат ауқымы орынды ма, бұрынғы жұмыстар жеткілікті ме, жергілікті қолжетімділік бар ма, келесі кезеңнің тексеру шығындары үйлесімді ме дегендерді қарастыру керек.
Сондықтан, толық логика былай көрінуі тиіс:
Көп дерек көздерін біріктіру → Кендi іздеу потенциалын бағалау → Жоғары потенциалды аймақтар → Геологиялық тексеру → Мақсат аймақтарды қатарлау → Жергілікті тексеру
Шынайы кәсіби Targeting жүйесі тек "Target A ең жоғары ұпай алды" деп көрсетпеуі керек, ол командаға былайша көмектесуі тиіс:
Неге осы мақсатты аймақ басым?
Қандай дәлелдер оны қолдайды?
Қандай дәлелдер ағымдағы баға берумен қайшы?
Қазіргі ең үлкен белгісіздік не?
Келесі кезеңде зерттеу, үлгі жинау, геофизикалық жұмыс жүргізу керек пе, әлде бұрғылауға баруға болады ма?
Соңында қалыптасатын нәрсе:
Мақсат → Дәлелдер → Белгісіздік → Тексеру
Яғни:
Мақсат аймағы → Дәлел → Белгісіздік → Растау
толық шешім қабылдау тізбегі.
Осы кезде AI шын мәнінде «деректерді талдау құралы» болып бастайды да, барлау шешімдерін қабылдауға кіреді.
04｜Бұрғылау кезеңіне кіргенде, AI-ның міндеті «мақсат іздеуден» «құрастырылған болжамдарды үнемі тексеруге» ауысады
Жоба бұрғылау кезеңіне кіргенде, AI алда тұрған проблемасы өзгереді.
Аймақтық кезеңде команда негізінен қай жерде жұмыс жалғастыруға тұрарлық екенін ойлайды; бұрғылауға кіргенде маңызды мәселе былайша өзгереді: қазіргі жер асты түсіндірмесі шын мәнінде дұрыс па?
Дәстүрлі бұрғылау жобалау бар геологиялық, минералдық, физикалық іздеу және тарихи бұрғылау деректерін біріктіріп, геологтар бұрғылау ұңғымасының орнын, бағытын, көлбеу бұрышын және тереңдігін шешеді. AI әртүрлі бұрғылау нұсқаларын салыстыруға көмектесуі мүмкін, сондай-ақ жаңа бұрғылау нәтижелері жобада пайда болған сайын, бастапқы болжамдарды жылдам қайта бағалай алады.
Бірақ «AI Burrғылау оптимизациясы» деп «AI аз бұрғылаумен кен табуды қамтамасыз етеді» деп түсінбеу керек.
Кеннің табылмаған бір ұңғыма да өте пайдалы болуы мүмкін, өйткені ол бұрын маңызды деп есептелген бақылау құрылымын жоққа шығара алады, физикалық іздеу аномалиясы мақсатты геологиялық дене емес екенін дәлелдейді немесе қандай да бір минералдық кеңею моделін жояды.
Сондықтан шын мәнінде құнды бұрғылау оптимизациясы:
Әрбір бұрғылау ұңғымасын нақты растау немесе жоққа шығару міндетін атқаруы керек.
Бүкіл процесс былайша жақын:
Болжам құру → Бұрғылау жобасын жасау → Жаңа дәлел алу → Болжамды жаңарту → Келесі қадамды шешу
Жоба алға жылжысымен, AI құны тек «бір реттік модельді іске қосу» ғана емес, командаға жаңа дәлелдермен өзгертілуі мүмкін жер асты түсініктер жүйесін үнемі қолдауға көмектесу болып табылады.
Бұл сондай-ақ 4D Уақыттық Кеңістіктік Инверсия сияқты динамикалық әдістер шешкісі келетін мәселе: жер асты үлгісі бір рет жасалып, мәңгі өзгермейтін болмайды, ол геология, геофизика, бұрғылау және басқа жаңа ақпарат енгізілумен біртіндеп қайта реттеліп, кеңістік құрылымы мен геологиялық эволюцияны түсіну жаңартылады.
Бұл пайдалы қазбаларды зерттеу логикасына өте сәйкес.
Өйткені шынайы пайдалы қазба іздеу процесі ешқашан бір рет дұрыс шешім алу емес, ол үнемі гипотезаларды қою, тексеру және қате гипотезаларды жою арқылы жүреді.
05｜Нақты мәселе AI құралдарының жеткіліксіздігінде емес, бұл құралдар әлі де бір-бірінен бөлініп тұр.
AI көп кәсіби салаға енген сайын, тағы бір мәселе айқын көріне бастайды.
Есептер бір AI арқылы талдануы мүмкін, ал алыстан зондтау басқа бағдарламалық жасақтамада өңделеді, геохимиялық деректер Excel немесе Python-да сақталады, геофизика кәсіби бағдарламаларды пайдаланады, GIS тәуелсіз жүйеде жүргізіледі, бұрғылау тағы бір дерекқорға түседі.
Құралдар көбейіп жатыр, бірақ геологтар әлі де өздері осы жүйелер арасында деректерді тасымалдап, контекстті түсініп, түрлі нәтижелер арасындағы байланыстарды қайта құруы керек.
Яғни:
Жеке өнімділік артты, бірақ бүкіл жұмыс процесі міндетті түрде жеңілдеген жоқ.
Міне осы Geoscience Agent Platform мәні басталуының себебі.
Gaia идеясы «барлығы табатын AI» жасау емес, бір жобалық ортада бірнеше кәсіби GeoAgent орналастырып, әртүрлі тапсырмаларды бір Project Context айналасында үнемі жүргізу.
Мысалы, Есеп агенті техникалық есептер мен тарихи мәліметтерге жауап береді; Қашықтықтан зондтау агенті қашықтықтан зондтауға жауап береді; Геохимия агенті геохимиялық мәліметтерді өңдейді; Геофизика агенті физикалық зерттеулерді қолдайды; GIS агенті кеңістік деректерін басқарады; Мақсатты агент нысаналы аймақ талдауына көмектеседі; Бұрғылау агенті бұрғылау жобалауы мен динамикалық оңтайландыруды қолдайды; Кодтау агенті болса кейбір деректерді өңдеу, кодтау және автоматтандыру тапсырмаларын атқарады.
Маңыздысы агенттердің саны емес, мынада:
Осы агенттер бір-бірінің нәтижелерін пайдалануға қабілетті ме.
Есепте алынған тарихи құрылымдық түсініктер қашықтықтан зондтау және GIS талдауына фон бола алады; қашықтықтан зондтау және геохимиялық аномалиялар мақсатты аймақты бағалауға енгізілуі мүмкін; жаңа бұрғылау нәтижелері болса бастапқы Targeting нәтижелерін өзгерте алады.
Міне, сол кезде AI шын мәнінде «жеке құралдардан» «үздіксіз жұмыс ағынына» айнала бастайды.
06｜Агент және кәсіби модельдер, екі түрлі деңгей
Минералды барлау саласында AI туралы айтқанда, өте маңызды бір түсінікті ажырату керек:
Геоқұзыршылар агенті мен кәсіби барлау модельдері бірдей технология емес.
Агент геологтың күнделікті жұмысының тапсырма деңгейі мен өзара әрекет деңгейіне жақынырақ. Ол жобаның контекстін түсінеді, мәліметтерді ұйымдастырады, құралдар мен модельдерді шақырады, нақты жұмысты ілгерілетуге көмектеседі.
Ал кәсіби AI Exploration Models тереңірек есептеу тапсырмаларын атқарады.
Gaia қазіргі технологиялық жүйесінде, екісін әр түрлі деңгей деп қарастыруға болады. Геологиялық интеллект платформасы есептер, қашықтықтан зондтау, GIS, геохимия, физикалық зерттеулер, нысаналы аймақтар және бұрғылау сияқты күнделікті кәсіби тапсырмаларды байланыстырады; ал төменгі деңгейдегі кәсіби модельдер күрделі барлау есептеулеріне арналған, соның ішінде:
Greenfield Exploration Model: аймақтық минералды потенциалды талдау және нысаналы аймақты таңдау үшін қолданылады;
Терең барлау моделі: терең минералдану жүйесін қайта құру және жасырын нысандарды болжау үшін қолданылады;
Бұрғылау оңтайландыру моделі: бұрғылау схемаларын оңтайландыру және динамикалық реттеу үшін қолданылады;
4D кеңістік-уақыттық инверсия: Жаңа деректер кірген сайын жер асты құрылымдары мен геологиялық болжамдарды үздіксіз жаңарту үшін қолданылады.
Сондықтан, техникалық архитектураның дәлірек болуы керек:
Геолог → Геоғылым агенттері → жоба деректері + кәсіби модельдер + құралдар → адам шолуы
Агенттер модельдердің орнына емес, керісінше, модельдер мен басқа кәсіби құралдарды геологтардың күнделікті жобалық жұмысының бір бөлігіне айналдыруға мүмкіндік береді.
07| AI одан да көп нәрсе істей алады, бірақ бірнеше шекаралар бар, оларды бұлыңғыртатуға болмайды
AI құралдарының санының артуы минералды барлау саласының негізгі кәсіби шекаралары өзгерді дегенді білдірмейді.
Біріншіден, жасанды интеллект жергілікті геологиялық бақылауды алмастыра алмайды. Қашықтан зондтау, геогеохимия, геофизикалық барлау және болжамды модельдер топтарға қайда бару керектігін анықтауға көмектеседі, бірақ жартастардың шыңдары, ядролар, тектоникалық байланыстар және нақты минералдық комбинациялар әлі де жерде геологиялық растауды талап етеді.
Екіншіден, жасанды интеллект жер асты белгісіздікін жоя алмайды. Бірдей геофизикалық жауап бірнеше интерпретацияға ие болуы мүмкін, және бірдей ұңғымалар жиынтығы әртүрлі тектоникалық модельдерді қолдауы мүмкін. Есептеу қуатының артуы күрделі жер асты жүйесіне бірдей жауап бермейді.
Ең бастысы, әрдайым ажырату қажет:
Аномалия → → минералдану → кендене → экономикалық ресурс нысанасы
Атап айтқанда:
Аномальды → нысанды аймақтар→ минералдану→ кен объектілері → экономикалық ресурстар.
Бұл бес кезең арасында көп мөлшерде жаңа дәлелдер мен инженерлік тексерулер қажет, кез келген AI моделі тек ықтималдығы жоғары аймақты шығарғанына қарамастан, осы кәсіби шекараларды автоматты түрде кесіп өте алмайды.
Соңында, AI мамандардың соңғы техникалық жауапкершілігін өз мойнына ала алмайды. Модель дәлелдерді ұйымдастыруға, өрнектерді табуға, нұсқаларды салыстыруға және гипотезалар ұсынуға көмектесе алады, бірақ бюджет салуды жалғастыру, геологиялық модельді өзгерту немесе келесі фазадағы бұрғылауға өту сияқты шешімдерді әлі де мамандар қабылдауы қажет.
08｜AI тау-кен іздеу құралының шын мәнінде құнды екенін бағалау үшін маңыздысы – "қандай модель қолданылғанында" емес
Тау-кен компаниялары үшін AI құралын таңдағанда, әдетте ең алдымен модель атауына, параметрлер көлеміне, алгоритм дәлдігіне немесе соңғы үлкен модельдің қолданылғанына көңіл бөледі.
Бірақ нақты жобаларда басқа сұрақтарды қараған дұрыс.
Бұл құрал нақты жоба деректерін өңдей ала ма, тек стандартты демонстрациялық деректермен емес? Өзі шығарған нәтижелер бастапқы материалдар мен дәлелдерге қайтып орала ала ма? Белгілі бір мақсатты аймақ неге маңызды деп есептелетіні жүйемен түсіндіріле ала ма? Қарсы дәлел пайда болған жағдайда модель белгісіздікті сақтай ала ма? Жаңа сынамалар, геофизикалық және бұрғылау деректері енгізілгенде, бұрынғы қорытындылар жаңара ала ма?
Соңында ең нақты сұрақ біреуі бар:
Бұл командаға келесі қадамды шешуге көмектесе ала ма?
Себебі минералдық барлау негізінен «нәтижелерді үнемі генерациялау» процесі емес, ол техникалық және капиталдық шешімдердің қатарынан тұрады.
Шын мәнінде құнды AI жүйесі талдау аяқталған кезде бір ғана сурет бермеуі керек, ол жобаны бір мәселеннен екінші мәселене табиғи түрде өтуге көмектесуі тиіс.
Қорытынды｜AI шын мәнінде өзгертетін нәрсе – барлау кезеңдері арасындағы байланысты жол
Минералдық барлауда бір ғана «AI құралы» барлық жұмысты орындай алмайды.
Тарихи есептерді қайта түсіну қажет, алыстан зондтау аймақ көлемін қысқартуға көмектеседі, геохимия элемент үлгілерін ашады, геофизика жер асты қасиеттері бойынша дәлелдер береді, Prospectivity Mapping аймақтық басымдықтарды орнатады, Targeting тексерілетін мақсатты аймақтарды қалыптастырады, ал ұңғымаларды бұрғылау барлық болжамдарды нақты жер астыға қайта әкеледі.
AI әрбір кезеңге кіре алады.
Бірақ нағыз маңызды өзгеріс тек осы кезеңдердің жекелеген дамуы емес, бұрын бөлшектенген деректер, модельдер мен кәсіби жұмыстар үзіліссіз кері байланыс цикліне кіруге қабілетті бола бастайды.
Бұл - Gaia Geoscience Agent Platform қалыптастырғысы келетін жұмыс тәсілі.
Бұл бір ғана AI зерттеу моделі емес, қарапайым чат терезесі де емес, кәсіби агенттерді, жобалық деректерді, модельдерді, құралдарды және үздіксіз жұмыс ағынын қосатын геологиялық жұмыс ортасы.
Болашақта жетілген AI минералдық барлау, мүмкін бір модель кенді кенеттен жариялайды деп көрінбейді:
"Кен дәл осында."
Ең ықтимал процесс осындай:
Қолда бар мәліметтерді түсіну → Аномалияларды анықтау → Дәлелдерді салыстыру → Болжам жасау → Мақсаттық аймақтарды сұрыптау → Тексеру жобалау → Жаңа мәліметтер алу → Модельді жаңарту → Келесі қадамды шешу.
AI бүкіл процесс арқылы қатыса алады.
Бірақ әр нақты маңызды шешім әлі де геологиялық логикаға, алаңдағы дәлелдерге және кәсіби жауапкершілікке оралуы қажет.
Сондықтан, AI Tools for Mineral Exploration ең соңында шеше алатын мәселе мыналар емес:
"AI біз үшін кенді қалай табады?"
Бірақ мынаны шешу болып табылады:
"Әр жаңа дерек қалайша жылдамырақ жер асты туралы түсінігімізді өзгерте алады және келесі барлау бюджетін тексеруге тұрарлық мәселелерге қалай бағыттауға болады?"
AI тау-кен барлауына шын мәнінде кіріскеннен кейінгі ең құнды өзгеріс осы.