به گزارش اکوایران-بررسی تازه ای درباره آینده اکتشافات معدنی نشان میدهد هزینه کشف ذخایر جدید طی سه دهه گذشته به شکل قابل توجهی افزایش یافته، در حالی که عیار ذخایر کشفشده روندی نزولی داشته است. به بیان دیگر، شرکتهای معدنی امروز با صرف سرمایه بیشتر، ذخایر کوچکتر و پیچیدهتری را شناسایی میکنند، موضوعی که ضرورت استفاده از فناوریهای نوین را بیش از گذشته آشکار کرده است.
همزمان، رشد سریع تقاضا برای فلزاتی مانند مس، لیتیوم، کبالت و عناصر نادر خاکی، فشار مضاعفی بر صنعت معدن وارد کرده است. برآوردها نشان میدهد تحقق اهداف جهانی کاهش انتشار کربن تا سال ۲۰۵۰ مستلزم افزایش چندبرابری عرضه این مواد معدنی است، موادی که ستون فقرات تولید خودروهای برقی، باتریها، توربینهای بادی و سایر فناوریهای انرژی پاک را تشکیل میدهند. این در حالی است که سرمایهگذاران نسبت به پروژههای پرریسک اکتشاف اولیه محتاطتر از گذشته عمل میکنند و تأمین مالی شرکتهای اکتشافی کوچک با دشواری فزایندهای روبهرو شده است.
در چنین شرایطی، هوش مصنوعی به عنوان ابزاری برای افزایش دقت اکتشاف وارد میدان شده است. این فناوری قادر است میلیونها داده زمینشناسی، نتایج حفاریهای قدیمی، اطلاعات ژئوفیزیکی، تصاویر ماهوارهای و دادههای ژئوشیمیایی را به طور همزمان تحلیل کرده و الگوهایی را شناسایی کند که تشخیص آنها برای کارشناسان انسانی به سالها زمان نیاز دارد. خروجی این تحلیلها، نقشههایی از مناطق دارای بیشترین احتمال وجود ذخایر اقتصادی است که میتواند ریسک حفاری و هزینههای اکتشاف را به شکل محسوسی کاهش دهد.
یکی از مهمترین ظرفیتهای هوش مصنوعی، احیای دادههای تاریخی اکتشاف است، دادههایی که طی دههها در قالب نقشههای کاغذی، گزارشهای قدیمی، نتایج حفاری یا اسناد آرشیوی جمعآوری شده اما هرگز به صورت دیجیتال و قابل تحلیل مورد استفاده قرار نگرفتهاند. کارشناسان معتقدند این اطلاعات در واقع سرمایهای پنهان هستند که با دیجیتالیسازی و تحلیل هوشمند میتوانند به کشف ذخایر جدید منجر شوند.
قاره آفریقا نمونه شاخص این ظرفیت است. این قاره با وجود برخورداری از ذخایر عظیم مس، کبالت، منگنز و عناصر نادر خاکی، همچنان یکی از کماکتشافترین مناطق جهان به شمار میرود. در مقابل، حجم گستردهای از دادههای زمینشناسی مربوط به دوران استعمار و پروژههای دولتی قرن گذشته در آرشیو کشورهای آفریقایی باقی مانده است. تحلیل این دادهها با کمک هوش مصنوعی میتواند اهداف اکتشافی جدیدی را با هزینهای بسیار کمتر از اجرای پروژههای میدانی شناسایی کند.
با این حال، متخصصان تأکید میکنند که هوش مصنوعی جایگزین زمینشناسان نخواهد شد. این فناوری تنها یک ابزار تصمیمیار است و تفسیر زمینشناسی، نمونهبرداری، حفاری و تأیید نهایی ذخایر همچنان به تخصص انسان وابسته خواهد بود. همچنین کیفیت دادههای ورودی، شفافیت مدلها و اعتبارسنجی مستمر نتایج، از مهمترین الزامات استفاده مسئولانه از این فناوری به شمار میرود.
به اعتقاد کارشناسان، برندگان نسل آینده اکتشافات معدنی الزاماً شرکتهایی با بزرگترین محدودههای معدنی نخواهند بود، بلکه شرکتهایی موفق خواهند شد که بتوانند سه مزیت را همزمان در اختیار داشته باشند، بانکهای اطلاعاتی غنی و باکیفیت، توان تحلیل هوشمند دادهها و منابع مالی کافی برای اجرای برنامههای اکتشافی. در چنین شرایطی، هوش مصنوعی نهتنها یک فناوری نوظهور، بلکه به یکی از مهمترین مزیتهای رقابتی صنعت معدن در دهه آینده تبدیل خواهد شد.
