استفاده از هوش‌ مصنوعی مولد در معادن و صنایع معدنی

به گزارش می‌متالز، در معدن و صنایع معدنی، به‌کارگیری هوش‌ مصنوعی مولد مجموعه‌ای از فرصت‌های جذاب را ارائه می‌دهد، از جمله این فرصت‌ها می‌توان به بهبود سودآوری، بهبود کارآمدی عملیاتی و انعطاف پذیری و کاهش گاز‌های گلخانه‌ای اشاره کرد. شرکت‌های معدنی شروع به درک پتانسیل هوش‌ مصنوعی مولد کرده‌اند و افزودن آگاهی زمینه‌ای و تصمیم‌گیری انسان گونه به جریان کاری می‌تواند به‌طور قابل‌توجهی نحوه کارکرد شرکت‌ها را در زمان تغییر دهد.

شروع زودهنگام با هوش‌ مصنوعی مولد

اگرچه هوش‌ مصنوعی مولد در صنعت معدن و فلزات هنوز در مراحل اولیه خود است، اما در سایر صنایع به‌عنوان یک تکنولوژی نوپا محسوب نمی‌شود. به‌عنوان مثال، تحقیقات نشان داده‌است که یک‌چهارم از سازمان‌های تجاری B ۲ B و تجارت B ۲ C از هوش‌ مصنوعی مولد در بازاریابی محتوا استفاده می‌کنند. همچنین هوش‌ مصنوعی مولد توانسته در کمترین زمان به کشف دارو‌های جدید کمک‌کرده و هزینه‌های مرتبط را کاهش دهد. باتوجه به پیشینه صنعت معدن، این صنعت به استفاده از فناوری‌های نوآورانه به شیوه‌ای محافظه کارانه نگریسته است و بنابراین، شرکت‌ها ممکن است تمایلی به تبدیل‌شدن به اولین بهره برداران از هوش‌ مصنوعی مولد را نداشته باشند. باید درنظر داشت که معدن و صنایع معدنی دارای یک مزیت ذاتی در این زمینه هستند، زیرا بیشتر از داده‌های انحصاری و مالکیتی برخوردارند. از این داده‌ها می‌توان برای تنظیم دقیق مدل‌های هوش‌ مصنوعی مولد برای نیاز‌ها و موارد مشخص استفاده شود، در نتیجه مدل‌های هوش‌ مصنوعی مولد در حوزه معدن می‌تواند با دقت و کارآیی بالاتری فعالیت کنند. باید درنظر داشت که آغاز فرآیند بهره‌برداری از هوش‌ مصنوعی مولد در این زمان نقطه‌عطفی به‌معنای کسب یک مزیت رقابتی در حال‌حاضر نیست، بلکه با سرمایه‌گذاری در نیروی کار، یک پایه برای رشد آینده ایجاد می‌کند. گزارش سال‌۲۰۲۳ موسسه هوش‌ مصنوعی مولد می‌گوید: «با درنظر گرفتن آینده بخش انرژی، منابع و صنعت، هوش‌ مصنوعی مولد در بسیاری از عملکرد‌ها نقش محوری را ایفا خواهد کرد. به‌عنوان مثال، با تولید آموزش‌های ایمنی برای محل کار در بهینه‌سازی و کاهش مخاطرات ایمنی و بهداشتی تاثیر چشمگیری خواهد داشت.»

درک موارد استفاده بالقوه

استفاده‌های مختلفی برای هوش‌ مصنوعی مولد وجود دارد که ممکن است به‌تدریج نحوه عملکرد معادن و صنایع معدنی را تغییر دهد، این تغییرات می‌تواند شامل تغییر نحوه کار افراد تا نحوه عملکرد شرکت‌ها و زنجیره‌های ارزش آنها باشد. فرصت‌ها و کاربرد‌ها همچنین می‌توانند بر روی تیم‌ها و عملکرد‌های مختلف کسب‌وکار، از اکتشاف تا طراحی معدن و فروش، تاثیر بگذارند.

مدل‌های پایه، هوش‌ مصنوعی مولد را از هوش‌ مصنوعی سنتی متمایز می‌کند. این مدل ها، مدل‌های یادگیری پیچیده‌ای هستند که در یک مجموعه داده گسترده پیش آموزش‌دیده شده‌اند و می‌توانند برای حل مسائل مختلف تنظیم شوند. بسیاری از مدل‌های پایه امروزه در حوزه متن هستند و توسط مقدار زیادی داده آموزشی موجود اجرا می‌شوند، با این حال هوش‌ مصنوعی مولد می‌تواند اشیا را در انواع مختلف از جمله کد، تصاویر، ویدئو، صدا و مدل‌های سه بعدی ایجاد کند. متن، تصویر و صدا از انواع مدل‌های هوش‌ مصنوعی مولد امروزی استفاده می‌شود، با این حال به‌طور فزاینده‌ای، امکان ایجاد انواع مختلف و حتی مدل‌های هیبریدی در حوزه‌های مختلف وجود دارد که می‌تواند پیشرفت را به‌صورت فزاینده‌ای افزایش دهد.

تغییر کار در معدن و فلزات

در پنج سال روبه‌رو، هوش‌ مصنوعی مولد احتمالا بیشتر از طریق بهره‌وری نیروی کار و کارآیی بر سازمان‌های معدن و فلزات تاثیر خواهد گذاشت. به‌عنوان مثال، در دفتر پشتیانی، کارمندان به‌کار‌هایی مانند استفاده از ابزار‌هایی مانند Microsoft Copilot برای مدیریت ایمیل ها، برنامه ریزی جلسات و نوشتن اسناد می‌پردازند. توسعه دهندگان همچنین می‌توانند از هوش‌ مصنوعی مولد برای افزایش بهره‌وری خود در زمان نوشتن کد، اطمینان از تطابق آن با استاندارد‌های مختلف و کاهش ریسک امنیتی استفاده کنند. در زمینه عملیات، هوش‌ مصنوعی مولد می‌تواند برای بازیابی دانش استفاده شود، تا به افراد کمک کند تا به اطلاعات نگاهی بیندازند که در سازمان موجود است و ممکن است مرتبط با کاری باشد که در حال انجام آن هستند.

به‌عنوان مثال، اگر یک تکنسین قطعه‌ای را در یک کامیون حمل‌ونقل تغییر می‌دهد، هوش‌ مصنوعی مولد می‌تواند داده‌های سازمان را برای کتابچه‌ها و اطلاعاتی که ممکن است به آنها کمک کند تا کار را به‌طور موثرتری انجام دهند، جست‌وجو کند. این می‌تواند به تکنسین بگوید کدام ابزار‌ها و مهارت‌هایی نیاز دارد و کجا‌ها در گذشته حوادث یا اشتباهات رخ‌داده‌اند و چگونه می‌توان از آنها جلوگیری کرد.

دستیاران‌مجازی نه‌تن‌ها می‌توانند ایمنی را بهبود بخشند، بلکه اطلاعات و تجربیات ارزشمند کارکنان باتجربه را دریافت و تفاوت‌ها و شکاف‌های دانشی و مهارتی را تکمیل می‌کنند. در آینده، سازمان‌ها می‌توانند از قابلیت شبیه‌سازی، مدل‌سازی و تولید داده‌های مبتنی بر داده‌ها بهره ببرند تا از انعطاف پذیری و بهینه‌سازی زنجیره تامین حمایت کنند. به‌عنوان مثال، هوش‌ مصنوعی مولد می‌تواند به تشخیص و شبیه‌سازی مخاطرات ممکن در زنجیره تامین فلزات از طریق ارزیابی شرایط موجود، مسیر حمل‌ونقل و نقشه تامین کنندگان کمک کند.

مدیران زنجیره تامین همچنین می‌توانند از این ابزار‌ها برای اجرای سناریو‌های مربوط به شرایط زنجیره تامین در یک محیط دوقلوی دیجیتالی استفاده کنند که وضعیت واقعی زنجیره تامین را بازتاب می‌دهد. برخی از شرکت‌های چند ملیتی از هوش‌ مصنوعی مولد برای مقابله با پیچیدگی رو به افزایش در زنجیره‌های تامین خود در‌برابر تنش‌های جغرافیایی و فشار برای از بین بردن ارتباطات با سوءاستفاده‌های محیطی و حقوق بشر استفاده می‌کنند. به‌عنوان مثال، یونیلور، زیمنس و میرسک از جمله کسانی هستند که از هوش‌ مصنوعی برای کمک به مذاکره در قراردادها، پیدا‌کردن تامین کنندگان جدید یا شناسایی کسانی که به موارد حقوق بشر مرتبط هستند، استفاده می‌کنند.

آشکارسازی ارزش داده

یکی از مهم‌ترین قابلیت‌هایی که هوش‌ مصنوعی مولد برای کسب‌وکار‌های معدن و فلزات فراهم می‌کند، کمک به افراد برای تعامل عمیق‌تر با داده‌ها است. با وجود سرمایه‌گذاری قابل توجه در صنعت در ۴دهه‌گذشته، برخی از شرکت‌ها همچنان سعی در پیاده سازی زیرساخت‌های مناسب دارند که کارگرانشان بتوانند به‌راحتی به داده‌هایی که برای انجام کارهایشان نیاز دارند، دسترسی پیدا کنند و بتوانند به‌طور موثرتر کار کنند. اگرچه پلتفرم‌های هوش‌ مصنوعی مولد هنوز به نسبت جوان هستند، اما از پیشرفت‌های قابل‌توجهی برخوردارند و قابلیت‌های آنها به‌سرعت پیشرفت می‌کند.

گلدمن‌ساکس پیش‌بینی می‌کند که هنگامی که ابزار‌هایی که از پیشرفت‌های در پردازش زبان طبیعی استفاده می‌کنند به کسب‌وکار‌ها و جامعه نفوذ می‌کنند، می‌توانند باعث افزایش ۷‌درصد (تقریبا ۷‌تریلیون دلار) در تولید ناخالص داخلی جهانی (تولید ناخالص داخلی) و افزایش رشد بهره‌وری را به میزان ۱.۵درصد در طول ۱۰سال‌آینده شوند. با شروع به اکتشاف و پیاده سازی هوش‌ مصنوعی مولد در حال‌حاضر، شرکت‌های معدن و فلزات می‌توانند به‌دست آوردن تجربیات ارزشمند، تطبیق با جزئیات آن و تکامل همراه با فناوری پیشرفته را برنامه ریزی کنند. این رویکرد استراتژیک می‌تواند سازمان‌ها را برای بهره‌برداری از قابلیت‌های کامل هوش‌ مصنوعی مولد در هنگام رسیدن به رشد بلندمدت آن، یاری دهد.

محمد فهیمی‌نیا/ پژوهشگر هوش‌مصنوعی و هوشمندسازی معادن
امید اصغری/ دانشیار دانشکده مهندسی معدن دانشگاه تهران

منبع: دنیای اقتصاد