快速发展的人工智能技术将影响各行各业的发展，矿业也不例外。考拉曾经撰文介绍过的力拓“未来矿山”计划，就是人工智能在矿业应用的典范。上周全球最大的铜公司智利国家铜业公司启动了丘基卡马塔铜矿的地下矿项目，投资高达55亿美元，设计将采用大量的机械化手段，减少1/3的劳工数量，从而大幅降低成本。对于从事矿业技术研究的朋友，是时候对人工智能引起足够重视了。
“特斯拉”无人驾驶车辆人人艳羡，谁不期望有一款能听自己使唤的小红粉？2019年百度李彦宏在谈到人工智能无人驾驶技术时，“宏言获水” 然后半开玩笑说：在AI前进的道路上，还是会有各种各样意想不到的事情发生。谁又知道，矿业翘楚 Rio Tinto，2008年就已经拥有了350吨大型无人驾驶卡车，辅助矿石和废石的运输。当然，2008年实施的“无人驾驶”更多体现的是“遥控驾驶”，和今天具有“自主决策”特征的“人工智能”“无人驾驶”不可同日而语。Rio并没有就此止步，利用人工智能矿山运营和管理实现更多便捷。那么，究竟什么是“人工智能”？“人工智能”能为矿业带来哪些变革呢？
1. 什么是“机器学习/人工智能“
“机器学习”（Machine Learning，ML）和“人工智能”（Artificial Intelligence，AI）是计算机的一个研究领域，致力于创造像人类一样工作和思考的智能机器和算法。人工智能四大分支包含：模式识别、机器学习、数据挖掘和智能算法。相应的应用领域有：机器人、语音识别、图像识别、专家系统等。ML和AI被认为是数字矿山转型的希望。从勘探到实际开采阶段，矿业AI应用的领先者将有可能成为矿业游戏规则的颠覆者。随着5G的到来，矿业领域也在悄无声息的发生着革新。
2. 人工智能可以为矿业带来哪些变化？
获取实时数据：矿山大量的勘探钻孔和岩土工程钻孔，需要耗费工程师大量时间识别岩性和岩体节理面等岩体参数。通过在钻机上安装AI检测仪，实时识别矿物种类和岩体结构，有助于加快从勘探到采矿阶段的决策时间。通过AI技术分析卫星图像、航空摄影、地球物理图谱和无人机监测数据，可以更好地预测矿物勘探和矿体可能的赋存方位及形态（Ref.1）。
铜/金/钴等矿产资源的发现难度较高，一旦发现回报却很丰厚。发现一个新的金矿只有0.5%的概率，然而在已经探明的金矿附近发现另一个新的矿体的概率是5%(Ref.2)。1990~2017年，全球用于金矿勘探的资金达到543亿美元，而且资金投入还在逐年升高，勘探成功率却在逐年下降。对于这种一掷千金却收获甚微的境遇，可以借助AI技术对大数据的处理能力，可以增强勘探工作的确定性，让这个博弈游戏变得更有趣。
降低采矿风险: 矿山生产安全大于天。通过使用远程操作的钻孔设备/凿岩设备/支护设备/运输设备，能减少采矿人员暴露在地下各种岩体失稳导致的片帮和冒顶等风险中，或者减少暴露在露天矿山的粉尘和暴晒之下。按照目前的采矿模式，岩石力学工程师每日需要数小时在地下矿山观察岩体稳定情况，以及每次采场爆破后支护体的损坏情况。而采用AI技术，可以利用无人机巡检大大减少岩石力学工程师的井下工作时间。人工智能带来的是一种技术的革新，也是人的体力的解放。
简化采矿作业： AI机器人可以帮助执行各种任务，包括钻孔、爆破、装载、运输、取样和救援被困矿工。在Rio Tinto的Cape Lambert港口，机器人已被用于铁矿石取样；而自动装载运输车辆，采用耦合脉冲激光校准制导系统和全球卫星定位系统相结合引导卡车沿着预定的路线行驶，则用于西澳大利亚皮尔巴拉露天矿；瑞典基律纳铁矿巷道掘进采用的凿岩台车，装有三维电子测定仪，可实现钻孔精确定位、无人驾驶，可连续24小时循环作业。采矿机器人，更是将来一种新的探索，用于完全取代井下采矿工人。无人采矿不是目的，我们憧憬的是一种人人享有安全洁净的工作环境和新型采矿模式。
提高环保标准：带有无线通信的GPS系统和设备可以监控地下水，温度和地下通风变化等生态参数，帮助评估采矿活动的影响。遥感技术，例如卫星图像，可以监测环境变化并预测侵蚀，野生动物栖息地，表土再分布和植被的变化。降低采矿对环境的影响也有益于维护社区关系，减少采矿中的各种风险。
3. 目前AI在矿业领域应用的例子
快速识别矿体：EARTH AI通过机器学习(Ref.3)，可以训练计算机认识以往矿体赋存情况来发现新的矿体分布。EARTH AI这家公司开发的相应的软件和技术，通过分析遥感和地球物理数据，可以找到突出矿体和蚀变晕圈，并绘制出极其细致的硬岩和风化层。
增加勘探成功几率：Goldspot Discoveries Inc. 是一家致力于通过机器学习，降低资本风险的公司 (Ref.4)，使得黄金勘探更像科学而非艺术。利用历史上的数据来更好的理解资源潜力，通过人工智能大数据处理方法和传统地质学科相结合，提高资源的勘探和投资的成功率。Goldcorp and IBM Watson (Ref.5)，通过IBM的识别技术，用于分析大量数据，从钻探报告到地质调查信息，帮助地质学家确定下一个勘探区域，通过高精度的计算地质模型，更快的找到高价值勘探区域。
防止疲劳驾驶：在智利的Escondida 铜矿，BHP公司采用了Smart Cap技术来分析驾驶员的脑电波来判断疲惫状态(Ref.7)。在地下矿山，卡车司机通常工作10-12个小时，黑暗嘈杂环境下防止疲劳驾驶就显得尤为重要。这种技术被整合到超过150辆卡车中，以提高生产效率和增加安全性。详细信息请在搜索引擎中查找SmartCap。
加快自动决策：在西澳某矿山使用AI辅助技术帮助他们选用合适的破碎机卡车；在矿场布置自动运输车辆，成本降低了约20%。据统计，自动运输车辆的使用，使得卡车轮胎使用寿命增加了30%。同样，卡车的其他零部件，包括发动机和燃油的消耗也大大降低。
矿石废石分离：Tomra开发了矿物和矿石分选设备，使用传感器将有价值的矿石与废石分离，快节奏的激光分选和产品识别(Ref.8)。作者惊讶于这种分离技术，至于该技术是否能真正有效解决矿废分离问题，还期待相关的专业人士给予意见。感兴趣的可以搜索Tomra观看官方小视频。
辅助岩土工程师风险识别：在自然崩落法的采矿方法中，PETRA公司使用三维测量数据，开发了一个算法来帮助快速识别矿石破碎程度。此算法被训练用来识别矿石中是否有混凝土碎块等。更多的应用可以参考该公司的网站。另外，该算法还可以用于辅助岩石力学工程师进行地下或者露天矿的检查，比如识别混凝土裂缝、支护锚杆托盘变形等。此技术不受环境限制，即使在地下矿的黑暗、潮湿、多粉尘环境等。
AI的发展和使用得益于大量高质量的数据获取，矿业未来的发展将会得益于在机器学习、图像识别、大数据处理等方面的发展。人工智能将会带来工作结构的变化，大量缩减一线工人数量，但在AI前进的道路上将需要更多大数据分析等专业人员来帮助矿业实现变革。AI之于矿业，好似 “随风潜入夜，润物细无声 ”。
或许在不远的将来，新的矿业从业者不但不会因为矿山艰苦的工作条件对矿业望而却步，反而因为它巨大的发展潜能和高科技应用而欢呼雀跃。人工智能时代的来临，将没有什么能限制我们的想象力。