Ο κόσμος χρειάζεται τεράστιες ποσότητες κρίσιμων πρώτων υλών όπως ο χαλκός, το νικέλιο και το λίθιο για την κατασκευή ηλεκτρικών οχημάτων, υποδομών ανανεώσιμων πηγών ενέργειας και κέντρων δεδομένων. Ωστόσο, τα πλούσια κοιτάσματα έχουν ως επί το πλείστον εξαντληθεί και τα ποσοστά ανακάλυψης νέων κοιτασμάτων ορυκτών έχουν πέσει κατακόρυφα, κατά περίπου 75% την τελευταία δεκαετία.
Οι παραδοσιακές μέθοδοι εξερεύνησης βασίζονται σε χρονοβόρες διαδικασίες γεωτρήσεων, οι οποίες είναι υψηλής έντασης κεφαλαίου με χαμηλά ποσοστά επιτυχίας. Τα μέσα ποσοστά επιτυχίας των παραδοσιακών μεθόδων στον εντοπισμό κοιτασμάτων είναι ιδιαίτερα χαμηλά, ακόμα και κοντά στο 0,5%, ενώ οι πιθανότητες μία τοποθεσίας να αποδώσει ένα πλούσιο κοίτασμα είναι 1 στις 5.000. Συνεπώς, η μεταλλευτική βιομηχανία ξοδεύει σημαντικά χρήματα με χαμηλή απόδοση, επιβραδύνοντας την ικανότητα εξασφάλισης νέων αποθέσεων μετάλλων που είναι απαραίτητα για την ενεργειακή μετάβαση και γενικότερα τις προηγμένες τεχνολογίες.
Ύψος επενδύσεων στην εξερεύνηση ορυκτών σε σχέση με τα θετικά αποτελέσματα
Εξερεύνηση με τη βοήθεια της τεχνητής νοημοσύνης
Αναλύοντας τεράστια σύνολα δεδομένων, συμπεριλαμβανομένων ιστορικών αρχείων καταγραφής γεωτρήσεων, γεωχημικών ερευνών, δορυφορικών εικόνων και γεωφυσικών δεδομένων, οι πλατφόρμες τεχνητής νοημοσύνης μπορούν να εντοπίσουν μοτίβα και ενδείξεις ύπαρξης κοιτασμάτων, πέρα από τις ανθρώπινες δυνατότητες.
Η αναζήτηση ορυκτών με βοηθό την τεχνητή νοημοσύνη έχει ανατρέψει τις πιθανότητες καθώς τα πρώτα αποτελέσματα καταδεικνύουν ποσοστά επιτυχίας της τάξης του 75%. Εταιρείες όπως οι KoBold Metals και Earth AI χρησιμοποιούν την τεχνητή νοημοσύνη για να ανακαλύψουν μεγάλα κοιτάσματα, όπως το πρόσφατο εύρημα χαλκού Mingomba της KoBold στη Ζάμπια.
Στοχεύοντας με μεγαλύτερη ακρίβεια τις τοποθεσίες εξερεύνησης, η τεχνητή νοημοσύνη μειώνει δραματικά τον χρόνο και τα χρήματα που δαπανώνται για άκαρπες επιχειρήσεις. Οι εκτιμήσεις του κλάδου υποδηλώνουν ότι η εξερεύνηση με τεχνητή νοημοσύνη θα μπορούσε να αποφέρει ετήσια εξοικονόμηση 290 έως 390 δισ. δολαρίων έως το 2035, μειώνοντας το κόστος ανακάλυψης έως και 80%.
Σύγκριση των αποτελέσμάτων της Earth AI σε σχέση με τις παραδοσιακές μεθόδους εξερεύνησης
Μία άλλη καινοτόμος εταιρεία, η VerAI, χρησιμοποιεί τεχνητή νοημοσύνη για να εντοπίσει ενδείξεις subsurface mineralization. Στη συνέχεια, η VerAI αναλαμβάνει τα δικαιώματα εξόρυξης και προσλαμβάνει υπεργολάβους για την ανάπτυξη της εκμετάλλευσης. Αυτός ο μοναδικός τύπος επιχειρηματικού μοντέλου απευθύνεται σε επενδυτές που αναζητούν έκθεση σε περιουσιακά στοιχεία κρίσιμων ορυκτών πρώτων υλών, με υψηλές δυνητικές αποδόσεις, χωρίς τον λειτουργικό κίνδυνο που σχετίζεται με την εξόρυξη.
Βλέποντας το αόρατο με υπερφασματική απεικόνιση και κβαντική ανίχνευση
Ωστόσο, η τεχνητή νοημοσύνη από μόνη της δεν είναι η μόνη μεγάλη αλλαγή που βλέπουμε στον μεταλλευτικό κλάδο. Οι υπερφασματικοί δορυφόροι (hyperspectral satellites) και τα drones συμπληρώνουν την τεχνητή νοημοσύνη, σαρώνοντας εδάφη σε δεκάδες ή εκατοντάδες μήκη κύματος φωτός, πολύ πέρα από εκείνα που μπορεί να ανιχνεύσει το ανθρώπινο μάτι.
Διαφορετικά ορυκτά αντανακλούν το φως μοναδικά, δημιουργώντας ένα φασματικό δακτυλικό αποτύπωμα. Πλατφόρμες όπως η Matter Intelligence και η TerraEye χαρτογραφούν την επιφανειακή ορυκτολογία από απόσταση, ακόμη και κάτω από βλάστηση ή σε ρηχά επιφανειακά στρώματα, αποκαλύπτοντας νέους στόχους σε μέρη απρόσιτα για τις παραδοσιακές εταιρείες εξερεύνησης.
Η κβαντική ανίχνευση (Quantum sensing) προσθέτει ένα ακόμη πλεονέκτημα καθώς τα προηγμένα βαρύμετρα και τα μαγνητόμετρα μπορούν να ανιχνεύσουν ανεπαίσθητες διακυμάνσεις στην υποεπιφανειακή πυκνότητα και τις μαγνητικές ιδιότητες, ακόμη και εν μέσω πολύπλοκης γεωλογίας. Τεχνολογίες που δημιουργούνται από καινοτόμες εταιρείες, όπως η Atomionics, επιτρέπουν τον εντοπισμό πυκνών συγκεντρώσεων μεταλλεύματος, κρυμμένων κάτω από στρώματα βράχου, αργίλου ή άμμου, επεκτείνοντας τις δυνατότητες ανακάλυψης ορυκτών πόρων.
Digital Twins στην εξερεύνηση ορυκτών πόρων
Μόλις εντοπιστούν οι περιοχές δυνητικής ύπαρξης κοιτασμάτων, αναλαμβάνουν δράση τα διαδραστικά τρισδιάστατα ψηφιακά δίδυμα (digital twins). Αυτά τα λεπτομερή εικονικά μοντέλα ενσωματώνουν ιστορικά δεδομένα και δεδομένα σε πραγματικό χρόνο, από έρευνες με drone, δείγματα γεωτρήσεων, υπόγειους αισθητήρες και απεικονίσεις με χρήση σεισμικών μεθόδων, για να προσομοιώσουν γεωλογικά σενάρια.
Σε αντίθεση με τους στατικούς χάρτες, τα ψηφιακά δίδυμα ενημερώνονται δυναμικά καθώς γίνονται διαθέσιμα νέα δεδομένα, επιτρέποντας στους γεωλόγους να βελτιώσουν τα μοντέλα, να μειώσουν την αβεβαιότητα και να σχεδιάσουν πιο αποτελεσματικά προγράμματα εξερεύνησης.
Εταιρείες όπως οι Akselos και Skycatch πρωτοπορούν σε αυτές τις λύσεις ψηφιακών διδύμων, προσφέροντας στις εταιρείες εξερεύνησης τη δυνατότητα να περιηγηθούν σε υπόγειες δομές μέσω εικονικής πραγματικότητας, να δοκιμάσουν πολλαπλές ερμηνείες των γεωλογικών δεδομένων και να βελτιστοποιήσουν τις στρατηγικές εξερεύνησης, πριν δαπανήσουν χρήματα σε γεωτρήσεις.
Γιατί η εξόρυξη αργεί να αλλάξει και γιατί αυτό αλλάζει
Η μεταλλευτική βιομηχανία είναι εξόχως συντηρητική. Η εξερεύνηση είναι συχνά επικίνδυνη και σίγουρα δαπανηρή και χρονοβόρα. Μια αποτυχημένη επιχείρηση εξερεύνησης μπορεί να κοστίσει εκατοντάδες εκατομμύρια δολάρια. Ωστόσο πολλά στελέχη του κλάδου προτιμούν να δουν τις νέες τεχνολογίες να εφαρμόζονται σε άλλες βιομηχανίες πριν τις υιοθετήσουν οι ίδιοι. Οι εξορυκτικές εταιρείες, συνήθως θέλουν να είναι τρίτες ή τέταρτες στη δοκιμή νέων τεχνολογιών, παρά οι πρώτες που θα το αποτολμήσουν.
Αλλά αυτή η διστακτικότητα συγκρούεται πλέον με την πραγματικότητα: η αυξανόμενη ζήτηση σε πόρους, οι ελλείψεις εργατικού δυναμικού και οι πιέσεις από το ρυθμιστικό πλαίσιο αναγκάζουν τις εξορυκτικές εταιρείες να αναλάβουν δράση. Πολλοί έμπειροι γεωλόγοι συνταξιοδοτούνται, αφήνοντας κενά που η τεχνητή νοημοσύνη και η αυτοματοποίηση μπορούν να βοηθήσουν να καλυφθούν. Οι περιβαλλοντικές και κοινωνικές πιέσεις καθιστούν τις παραδοσιακές στρατηγικές εξερεύνησης λιγότερο αποδεκτές, ενώ οι αυξανόμενες καθυστερήσεις στην αδειοδότηση, αυξάνουν το κόστος των μακροχρόνιων προγραμμάτων εξερεύνησης.
Οι μικρές και μεσαίου μεγέθους εξορυκτικές εταιρείες είναι συχνά πιο ευέλικτες και έχουν μεγαλύτερη ανάγκη από τη διαφοροποίηση που θα αποφέρει οικονομική απόδοση, με συνέπεια να πρωτοστατούν στην υιοθέτηση εργαλείων τεχνητής νοημοσύνης και ψηφιακής εξερεύνησης. Για παράδειγμα, η TerraEye, η οποία συνεργάζεται με μικρότερες εξορυκτικές εταιρείες για τις λύσεις τηλεπισκόπησης που προσφέρει, υποστηρίζει πώς οι παρόχοι καινοτόμων τεχνολογιών μπορούν να εισέλθουν σε έναν κλάδο που παραδοσιακά κυριαρχείται από «δυσκίνητες» μεγάλες εταιρείες και να έχουν καλύτερα αποτελέσματα εξυπηρετώντας μικρότερους πελάτες.
Δεδομένα: Η κρυφή μάχη
Ένα από τα μεγαλύτερα εμπόδια για την κλιμάκωση της εξερεύνησης μέσω τεχνολογιών τεχνητής νοημοσύνης είναι τα δεδομένα. Τα εξορυκτικά δεδομένα είναι συχνά κατακερματισμένα μεταξύ χρονικών περιόδων και εταιρειών και βρίσκονται σε πολλές διαφορετικές μορφές. Τα δημόσια σύνολα δεδομένων μπορεί να είναι ατελή ή ξεπερασμένα, ενώ τα ιδιωτικά σύνολα δεδομένων μπορούν να προσφέρουν τεράστια ανταγωνιστικά πλεονεκτήματα.
Η πρώιμη πρόσβαση της KoBold Metals στα σύνολα δεδομένων εξερεύνησης της Rio Tinto, τη βοήθησε να εκπαιδεύσει καλύτερα τα μοντέλα τεχνητής νοημοσύνης που χρησιμοποιεί, καταδεικνύοντας πώς το ιδιοκτησιακό καθεστώς των δεδομένων αποτελεί κρίσιμο παράγοντας επιτυχίας.
Η μεροληψία στα δεδομένα που χρησιμοποιούνται για την εκπαίδευση των μοντέλων τεχνητής νοημοσύνης είναι μια ακόμα πρόκληση: εάν τα μοντέλα τεχνητής νοημοσύνης εκπαιδεύονται μόνο σε δεδομένα από γνωστά κοιτάσματα, κινδυνεύουν να παράγουν αποτελέσματα που τείνουν να ακολουθούν τα παλιά πρότυπα εξερεύνησης,
Επιπλέον, ακόμη και με εξαιρετικά δεδομένα, η ανάπτυξη της τεχνητής νοημοσύνης στο πεδίο δεν είναι τόσο απλή. Η εξερεύνηση συμβαίνει συχνά σε περιοχές εκτός δικτύου με περιορισμένη ψηφιακή υποδομή, γεγονός που καθιστά δύσκολη τη χρήση πλατφορμών τεχνητής νοημοσύνης που χρησιμοποιούν το cloud ή τη μετάδοση δεδομένων. Καινοτομικές εταιρείες όπως η Qiyuan Core Power, η οποία αναπτύσσει λύσεις 5G για απομακρυσμένες τοποθεσίες εξόρυξης, δείχνει ότι η κάθετη ενοποίηση της συνδεσιμότητας μπορεί να είναι απαραίτητη για την αποτελεσματική ψηφιακή εξερεύνηση στις πιο υποσχόμενες αλλά δυσπρόσιτες περιοχές.
Μελλοντικά σημεία εστίασης
Τα κοιτάσματα ορυκτών υψηλού προφίλ που ανακαλύπτονται μέσω τεχνητής νοημοσύνης και φτάνουν σε στάδια εμπορικής ανάπτυξης, θα ενισχύσουν την εμπιστοσύνη της αγοράς στις νέες τεχνολογίες. Αυτό θα ωθήσει τις εταιρείες εξερεύνησης να ακολουθήσουν σχετικά παραδείγματα, ειδικά στις περιπτώσεις μικρών και μεσαίων εξορυκτικών εταιρειών που δε διαθέτουν μεγάλες επιχειρησιακές ομάδες.
Επιπλέον, ο αυξανόμενος αριθμός εξαγορών από παρόχους υπηρεσιών εξόρυξης (π.χ. Master Drilling, Weir) που επιδιώκουν να ενσωματώσουν την ψηφιακή καινοτομία για να παραμείνουν ανταγωνιστικοί, σηματοδοτούν ότι οι δυνατότητες που προσφέρει η τεχνητή νοημοσύνη δεν είναι πλέον προαιρετικές, αλλά ενσωματώνονται σε ευρέως χρησιμοποιούμενα πακέτα υπηρεσιών.
Επίσης, οι καινοτόμες εταιρείες επικεντρώνονται στη βελτίωση της επεξήγησης των μοντέλων και των διεπαφών χρήστη-πλατφόρμας για να κερδίσουν την εμπιστοσύνη των γεωλόγων και των υπευθύνων λήψης αποφάσεων που είναι επιφυλακτικοί για τα συστήματα που παρέχουν αυτοματοποίηση στη λήψη αποφάσεων. Είναι κρίσιμο οι γεωλόγοι να μπορούν να εντοπίσουν, να εξετάσουν και να χειριστούν τα αποτελέσματα των μοντέλων.
Τέλος, οι εταιρείες που αναπτύσσουν ψηφιακές λύσεις για τον εξορυκτικό τομέα, αποκτούν μια σειρά από επιτυχημένες συνεργασίες και επαναλαμβάνουν τις επιτυχημένες περιπτώσεις σε διαφορετικές τοποθεσίες ανά τον κόσμο (Αυστραλία, Αφρική, Νότια Αμερική) για να δείξουν την ευρωστία του μοντέλου και τη γεωγραφική ευελιξία, για παράδειγμα, οι Plotlogic και GeologicAI έχουν επιδείξει ανάπτυξη σε πολλές γεωγραφικές περιοχές, με σχέδια για περαιτέρω επέκταση.
Με πληροφορίες από cleantech.com
