Datarock คือบริษัท AI เหมืองแร่จากเมลเบิร์น ออสเตรเลีย ใช้การวิเคราะห์ภาพทำการตีความธรณีวิทยาอัตโนมัติ ตั้งแต่การบันทึกแกนหินเจาะและเศษหินอัตโนมัติ ไปจนถึงการสร้างแบบจำลองศักยภาพแร่และการวิเคราะห์กลศาสตร์มวลหิน ครอบคลุมทั้งห่วงโซ่คุณค่าตั้งแต่การสำรวจ การทำเหมือง ถึงการฟื้นฟูพื้นที่เหมือง
จุดเด่นและสถานการณ์การใช้งาน
งานที่กินคนที่สุดอย่างหนึ่งของการสำรวจเหมืองแร่คือ "การบันทึก" (logging) นักธรณีวิทยาถือแกนหินดูทีละท่อน บันทึกชนิดหิน การแปรสภาพ การเกิดแร่ ความหนาแน่นของรอยแตก งานนี้ซ้ำสูง พึ่งประสบการณ์ส่วนตัวมาก และคนต่างกันทำออกมาผลมักไม่ตรงกัน แกนหินชุดเดียวกันให้นักธรณีวิทยาสองคน ข้อสรุปอาจต่างกันมาก แกนหลักของ Datarock คือโยนภาพความละเอียดสูงของแกนหินและเศษหินให้โมเดล สร้างผลการบันทึกที่สม่ำเสมอออกมาอัตโนมัติ รวมถึงการจำแนกชนิดหิน การตัดสินโซนการแปรสภาพ ระดับการเกิดแร่ และพารามิเตอร์กลศาสตร์มวลหินอย่าง RQD รอยแตก โครงสร้าง ก้าวไปข้างหน้าคือการสร้างแบบจำลองศักยภาพแร่ (prospectivity modelling) ใช้ข้อมูลเดิมหาตำแหน่งถัดไปที่คุ้มค่าเจาะ ก้าวถอยหลังก็มี "การวิเคราะห์เกือบพลาด" (near-miss analysis) ตรวจดูว่าหลุมในอดีตหลุมไหนจริง ๆ แค่ห่างนิดเดียวก็เจอแหล่งแร่แล้ว ผลิตภัณฑ์แบ่งเป็น Datarock Core (แกนหิน) และ Datarock Chip (เศษหิน) สองสาย ใช้ระบบสมัครสมาชิก เว็บไซต์ทางการไม่เปิดเผยราคา
เหมาะกับบริษัทสำรวจ ทีมธรณีวิทยาเหมืองและกลศาสตร์มวลหิน ผู้สร้างแบบจำลองทรัพยากร อุตสาหกรรมเหมืองแร่ในไทยมีขนาดจำกัด เหมาะกว่าที่จะใช้เป็นกรณีศึกษาอุตสาหกรรมของ "AI ภาพทดแทนการตีความด้วยคนอย่างไร"
ฟังก์ชันหลัก
- การบันทึกภาพแกนหินและเศษหินอัตโนมัติ
- การทำนายคุณสมบัติและการแบ่งโดเมน (domaining) ของชนิดหิน การแปรสภาพ การเกิดแร่
- การคำนวณพารามิเตอร์กลศาสตร์มวลหินอัตโนมัติ RQD รอยแตก การประเมินโครงสร้าง
- การสร้างแบบจำลองศักยภาพแร่ ช่วยตัดสินตำแหน่งหลุมเจาะถัดไป
- การวิเคราะห์เวกเตอร์และการวิเคราะห์เกือบพลาด ทบทวนข้อมูลหลุมเจาะเดิม
- สองสายผลิตภัณฑ์แบบสมัครสมาชิก Datarock Core และ Datarock Chip
การใช้งานทั่วไป
- การบันทึกแกนหินเจาะจำนวนมากอัตโนมัติของโปรเจกต์สำรวจ
- การคำนวณและเฝ้าระวังพารามิเตอร์กลศาสตร์มวลหินของเหมืองอย่างรวดเร็ว
- ใช้ข้อมูลเดิมสร้างแผนที่ศักยภาพแร่ จัดลำดับความสำคัญหลุมเจาะ
- วิเคราะห์หลุมเจาะในอดีตใหม่ ค้นหาสัญญาณการเกิดแร่ที่พลาดไป
- สร้างมาตรฐานการบรรยายธรณีวิทยาข้ามทีม ลดความต่างจากคน
ฟีเจอร์เด่น
- การบันทึกภาพแกนหินและเศษหินอัตโนมัติ
- การทำนายคุณสมบัติและการแบ่งโดเมน (domaining) ของชนิดหิน การแปรสภาพ การเกิดแร่
- การคำนวณพารามิเตอร์กลศาสตร์มวลหินอัตโนมัติ RQD รอยแตก การประเมินโครงสร้าง
- การสร้างแบบจำลองศักยภาพแร่ ช่วยตัดสินตำแหน่งหลุมเจาะถัดไป
- การวิเคราะห์เวกเตอร์และการวิเคราะห์เกือบพลาด ทบทวนข้อมูลหลุมเจาะเดิม
- สองสายผลิตภัณฑ์แบบสมัครสมาชิก Datarock Core และ Datarock Chip
ข้อดี
- สร้างมาตรฐานงานบันทึกที่พึ่งประสบการณ์ส่วนตัวสูง ความสม่ำเสมอของผลลัพธ์ดีขึ้นมาก
- ครอบคลุมทั้งความต้องการตีความธรณีวิทยาและกลศาสตร์มวลหินพร้อมกัน
- การวิเคราะห์เกือบพลาดขุดคุณค่าใหม่จากข้อมูลเก่าได้ ไม่ต้องเจาะใหม่
- พิสูจน์ในสภาพแวดล้อมเหมืองแร่ออสเตรเลีย มีปริมาณข้อมูลในทางปฏิบัติเพียงพอ
ข้อเสีย
- เว็บไซต์ทางการไม่เปิดเผยราคา เป็นการจัดซื้อแบบเจรจาองค์กร
- คุณภาพโมเดลขึ้นกับคุณภาพการถ่ายภาพและระดับการทำให้เป็นมาตรฐานหน้างาน
- ผลการบันทึกจาก AI ยังต้องให้นักธรณีวิทยาอาวุโสตรวจซ้ำ เชื่ออัตโนมัติทั้งหมดไม่ได้
- ไทยขาดสถานการณ์การประยุกต์เหมืองแร่ขนาดใหญ่ที่ตรงกัน
กรณีการใช้งาน
- การบันทึกแกนหินเจาะจำนวนมากอัตโนมัติของโปรเจกต์สำรวจ
- การคำนวณและเฝ้าระวังพารามิเตอร์กลศาสตร์มวลหินของเหมืองอย่างรวดเร็ว
- ใช้ข้อมูลเดิมสร้างแผนที่ศักยภาพแร่ จัดลำดับความสำคัญหลุมเจาะ
- วิเคราะห์หลุมเจาะในอดีตใหม่ ค้นหาสัญญาณการเกิดแร่ที่พลาดไป
- สร้างมาตรฐานการบรรยายธรณีวิทยาข้ามทีม ลดความต่างจากคน
บันทึกบรรณาธิการ
ผมชอบยก Datarock เป็นตัวอย่างอธิบายว่า "AI มีประโยชน์จริงตรงไหน" ไม่ใช่ทดแทนความคิดสร้างสรรค์ แต่ทดแทนงานแบบดูแกนหินแปดชั่วโมงจนตาลาย จุดร่วมของการประยุกต์แบบนี้คือ งานซ้ำ มาตรฐานชัด คนทำนานคุณภาพจะตก ไทยหลายอุตสาหกรรมจริง ๆ มีงานแบบนี้ แค่ยังไม่มีใครมองมันเป็นโจทย์ AI
คำถามที่พบบ่อย
AI บันทึกทดแทนนักธรณีวิทยาได้ไหม
ไม่ได้ แต่เปลี่ยนเนื้องานของนักธรณีวิทยาได้ การบันทึกอัตโนมัติจัดการงานบรรยายพื้นฐานที่ซ้ำและกินเวลา ให้กำลังคนไปโฟกัสที่การตีความและการตัดสินใจ อีกทั้งผลลัพธ์ของโมเดลต้องให้คนมีประสบการณ์ตรวจซ้ำ โดยเฉพาะชนิดหินหายากหรือตัวอย่างผิดปกติ ซึ่งเป็นจุดที่ AI ผิดพลาดง่ายที่สุด
คุณภาพภาพไม่ดีจะเป็นอย่างไร
จะสะท้อนในผลลัพธ์โดยตรง ระบบประเภทนี้อ่อนไหวกับเงื่อนไขการถ่าย (แหล่งแสง ความละเอียด วิธีการวาง) ค่อนข้างมาก ดังนั้นก่อนนำเข้าใช้งานมักต้องทำกระบวนการเก็บภาพหน้างานให้เป็นมาตรฐานก่อน เหมืองหลายแห่งการลงทุนก้อนแรกจริง ๆ ใช้ไปกับสตูดิโอถ่ายภาพ ไม่ใช่ซอฟต์แวร์
ไทยมีการประยุกต์คล้ายกันไหม
ไทยไม่มีอุตสาหกรรมเหมืองแร่โลหะขนาดใหญ่ แต่ตรรกะเทคโนโลยีเดียวกันเทียบเคียงกับการตีความมวลหินของงานอุโมงค์และวิศวกรรมปฐพี การทำรายงานเจาะสำรวจธรณีวิทยาอัตโนมัติได้ มอง Datarock เป็นกรณีของ "AI ภาพเข้าสู่การตีความในอุตสาหกรรมหนัก" เป็นจริงกว่าการคิดจัดซื้อโดยตรงมาก
เครื่องมือ AI ที่เกี่ยวข้อง
Motobook
เว็บไซต์ราคากลางมือสองมอเตอร์ไซค์แห่งแรกในไต้หวัน รวบรวมรถมือสองกว่า 37,000 คัน และราคาประเมินกว่า 812 รุ่น
Carbook
ระบบบันทึกราคาซื้อขายจริงรถมือสองในไต้หวัน──เช็คราคาตลาดจริง ปริมาณ และอัตราการรักษาเรทราคาจบในหน้าเดียว
實價雷達 HouseTW
เว็บไซต์ค้นหาข้อมูลราคาบ้านฟรีในไต้หวัน ที่รวมประกาศราคาซื้อขายจริง 3.49 ล้านรายการ พร้อมปักหมุดความเสี่ยงเรื่องดินเหลว รอยเลื่อน และน้ำท่วม ไว้บนแผนที่เดียวกัน
Perplexity
เครื่องมือค้นหาและตอบคำถามด้วย AI พร้อมระบุแหล่งที่มาอ้างอิง
AtScale
ชั้นความหมายทั่วไปเจ้าเก่า ให้ BI และ AI ใช้นิยามตัวชี้วัดชุดเดียวกัน
Promethium
ชั้นข้อมูลองค์กรที่ค้นข้ามระบบได้โดยตรง ให้เอเจนต์ AI ได้คำตอบที่มีบริบท