خانه صنعت، معدن و تجارت استان تهران
نوشته های مرتبط
هوش مصنوعی یا ماشینی، هوشی است که یک ماشین در شرایط مختلف از خود نشان می‌دهد. این فناوری به سامانه‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتار هوشمند انسانی از خود نشان دهند،
همانند درک شرایط پیچیده، شبیه‌سازی فرآیندهای تفکری و شیوه‌های استدلال انسانی و پاسخ موفق به آنها؛ این فناوری همچنین توانایی یادگیری و کسب دانش و استدلال برای حل مسائل را دارد و در طیفی گسترده از دانش‌ها مانند علوم رایانه، علوم مهندسی، علوم زیست‌شناسی و پزشکی، علوم اجتماعی و بسیاری از علوم دیگر کاربرد پیدا کرده است. هوش مصنوعی این قابلیت را دارد که روش کار ما را در امور مختلف تغییر دهد و در روشی که همواره بر امور حاکم بوده، دگرگونی ایجاد کند، اما در بخش‌های صنعتی همچون استخراج مواد معدنی، هوش مصنوعی چه خدماتی ارائه می‌دهد؟ به گزارش صمت، وب‌سایت ماینینگ‌فناوری برای پاسخ به این پرسش با «جِین زاوالیشینا» مدیرعامل شرکت هلندی «یاندِکس‌دِیتا» گفت‌وگو کرده است. این شرکت از هوش مصنوعی برای افزایش بهره‌وری و کاهش هزینه‌ها در بخش معدن استفاده می‌کند.
مفهوم معدن دیجیتال چیز جدیدی نیست، اما اجرای فناوری‌های دیجیتال در بخش معدن توسعه چندانی نداشته است. چندی پیش واحد معدن و فلزات شرکت انگلیسی «ای‌وای» به تاثیر دیجیتال به عنوان اصلی‌ترین مسئله تجاری اشاره کرد که بخش معدن برای پیشروی با آن رو به رو است و دیجیتالی شدن را کلید حل چالش‌های موجود بر سر راه تولید عنوان کرد.
بنا بر گفته زاوالیشینا، هوش مصنوعی به معدنکاران کمک می‌کند در بهره‌وری تولید به صرفه‌جویی ۱۰ درصدی دست یابند بدون اینکه نیاز به سرمایه‌گذاری‌های بزرگ داشته باشند. آنها می‌توانند این کار را با ایجاد مدل‌های پیشگویانه انجام دهند.
او می‌افزاید: وقتی ماده‌ای تولید می‌کنید، فلز ذوب می‌کنید و کیفیت کانی را از راه ارتقای عیار آن بالا می‌برید. در همه این موارد با موادی سروکار دارید که از طبیعت منشا گرفته‌اند و ترکیب‌های متفاوتی دارند و شما بر اساس ضرورت نیاز به ارزیابی ترکیب آن دارید تا بتوانید به یک نتیجه استاندارد دست یابید. تا حالا در بخش معدن این کار را یک متالورژیست با استفاده از علم مواد انجام می‌داد. او کانی‌های طلا و مس را با استفاده از سیانید غنی‌سازی می‌کرد، اما سیانید بسیار گران است و ۴۰ درصد از هزینه‌های فرآوری را به خود اختصاص می‌دهد و بسیار هم سمی است.
زاوالیشینا در ادامه توضیح می‌دهد: میزان سیانید مصرفی براساس فاکتورهای مشخص تخمین زده خواهد شد. بیشتر مواقع دنیای واقعی پیچیدگی بسیار بیشتری از مدل‌های علمی ارائه می‌کند، چون مدل‌های علمی نمی‌توانند همه فاکتورهای بالقوه را لحاظ کنند. هم‌اکنون بیشتر کارشناسان در غنی‌سازی کانی‌ها بیش از حد، از سیانید استفاده می‌کنند اما اگر یک الگوی پیش‌بینی‌کننده صحیح‌تر در اختیار داشته باشند می‌توانند به میزان مورد نیاز، سیانید مصرف کنند که هم از نظر اقتصادی مقرون‌به‌صرفه است و هم آسیب کمتری به محیط‌زیست وارد می‌آورد؛ این همان جایی است که هوش مصنوعی به کار می‌آید. هوش مصنوعی داده‌های پیشین را از این فرآیند دریافت می‌کند و شرکت یاندِکس‌دِیتا بنا بر این داده‌ها می‌تواند به هوش مصنوعی خود آموزش دهد الگوریتمی ایجاد کند که در پیش‌بینی نتایج برآمده از این فعالیت دقت بیشتری کند. این الگوریتم پس از این پیش‌بینی، پیشنهادها یا اقداماتی ارائه می‌دهد که نسبت به آنچه امروز می‌توان با الگوهای علمی انجام داد، دقت و صحت بیشتری دارد.
صرفه‌جویی بدون صرف سرمایه
جِین زاوالیشینا در ادامه توضیح می‌دهد: تکمیل چنین فرآیندهایی با الگوهای پیشگویانه هوش مصنوعی می‌تواند در ابتدا برای شرکت‌ها دست‌کم ۳ تا ۵ درصد صرفه‌جویی اقتصادی داشته باشد، اما بکارگیری مستمر هوش مصنوعی در نهایت می‌تواند این مقدار را به ۱۰ درصد افزایش می‌دهد، چون این فناوری هر چه داده بیشتری به‌دست آورد، بهتر می‌تواند قابلیت پیش‌بینی داشته باشد. همچنین به طور معمول صرف سرمایه برای ارتقای تجهیزات، نیاز به ایجاد این سطوح از صرفه‌جویی اقتصادی دارد؛ اتفاقی که می‌تواند تا صدها میلیون دلار هزینه‌بردار باشد، در حالی که آنچه ما انجام می‌دهیم درخواست الگوریتمی است که یادگیری آن چند ماه زمان می‌برد، اما نیاز به صرف هیچ سرمایه مالی ندارد، بلکه تنها از نظر کاربردی و عملیاتی هزینه‌بر است و شرکت‌های مصرف‌کننده این خدمات به شرکت «یاندکس» به عنوان ارائه‌کننده خدمات، هزینه پرداخت می‌کنند. این فرآیند می‌تواند به صورت آف‌لاین(برون‌خطی) هم انجام شود. این کار با داده‌هایی انجام می‌شود که از سایت‌های معدنی دوردست و در چند ماه جمع‌آوری شده و پس از آن در یک الگوریتم به کار برده می‌شود. در این فرآیند نتایج جدید را می‌توان با نتایج پیشین مقایسه کرد.
