Minerva Intelligence
แพลตฟอร์มการอนุمانเชิงปัญญาที่ผสานความเชี่ยวชาญของนักธรณีวิทยาเข้ากับ AI สำหรับการสำรวจแร่และการประเมินความเสี่ยงภัยพิบัติ
ไปที่เว็บไซต์ ↗Minerva Intelligence เป็นบริษัทจากเมืองแวนคูเวอร์ ประเทศแคนาดา (และมีสำนักงานในเมืองดาร์มสตัดท์ ประเทศเยอรมนี) ที่ดำเนินแนวทางแตกต่างจากบริษัท AI ที่ขับเคลื่อนด้วยข้อมูล (Data-driven) ทั่วไป โดยเน้นที่ "Cognitive AI" (AI เชิงปัญญา) ซึ่งมุ่งเน้นการนำความรู้สะสมของนักธรณีวิทยามาจัดโครงสร้างและเขียนลงในระบบ แทนที่จะปล่อยให้โมเดลเรียนรู้จากข้อมูลเพียงอย่างเดียว
ฟีเจอร์หลักและUse Case
บริษัทมีผลิตภัณฑ์หลัก 2 ไลน์ โดย TERRA ออกแบบมาสำหรับการสำรวจเหมืองแร่ ช่วยผสานรวมแหล่งข้อมูลที่หลากหลาย เช่น แผนที่ธรณีวิทยา บันทึกการเจาะสำรวจ และข้อมูลธรณีฟิสิกส์ เพื่อทำการเปรียบเทียบประเภทแหล่งแร่และการจัดลำดับความสำคัญของเป้าหมายสำรวจ จุดสำคัญคือการใช้ออนโทโลยี (Ontology) ความรู้ทางธรณีวิทยาที่มีโครงสร้าง ทำให้ระบบสามารถอธิบายได้ว่า "ทำไมพื้นที่นี้จึงมีลักษณะคล้ายแหล่งแร่ทองแดงพอร์ฟิรี (Porphyry copper)" ไม่ใช่แค่การพ่นคะแนนความน่าจะเป็นออกมา ส่วน GAIA นำเทคโนโลยีชุดเดียวกันนี้ไปประยุกต์ใช้กับความเสี่ยงจากภัยพิบัติทางธรรมชาติ ครอบคลุมการประเมินความเสี่ยงและวางแผนการใช้ประโยชน์ที่ดินสำหรับน้ำท่วม ดินถล่ม และไฟป่า แนวทางแบบผสมผสานระหว่าง "ความรู้ + ข้อมูล" เช่นนี้มีความสมเหตุสมผลในเชิงวิชาชีพ เนื่องจากข้อมูลทางธรณีวิทยามักมีความกระจัดกระจายและมีต้นทุนสูง โมเดลที่อาศัยปริมาณข้อมูลเพียงอย่างจึงใช้งานได้ยากในบริบทนี้
เหมาะสำหรับทีมสำรวจเหมืองแร่ บริษัทที่ปรึกษาด้านธรณีวิทยา รวมถึงหน่วยงานรัฐและบริษัทประกันภัยที่ประเมินความเสี่ยงภัยพิบัติทางธรรมชาติ เครื่องมือไลน์ GAIA นี้มีความเกี่ยวข้องกับประเด็นภัยพิบัติในหลายประเทศที่มีความเสี่ยงสูงจากพายุ ดินถล่ม หรือโคลนถล่ม เนื่องจากเครื่องมือที่ผสานความรู้ทางธรณีวิทยาและข้อมูลภัยพิบัติเพื่อสร้างชั้นข้อมูลความเสี่ยงมีตรรกะการทำงานที่สอดคล้องกับหน่วยงานบรรเทาสาธารณภัย ความแตกต่างคือ Minerva ทำให้มันกลายเป็นผลิตภัณฑ์ที่ใช้งานได้จริงและอธิบายที่มาที่ไปได้
ฟีเจอร์หลัก
- ชุดเครื่องมือ AI สำรวจแร่ TERRA: เปรียบเทียบประเภทแหล่งแร่, จัดลำดับเป้าหมายสำรวจ และผสานข้อมูลแผนที่ธรณีวิทยา
- AI ความเสี่ยงภูมิอากาศ GAIA: ประเมินความเสี่ยงภัยพิบัติธรรมชาติ เช่น น้ำท่วม, ดินถล่ม และไฟป่า
- ขับเคลื่อนด้วยโครงสร้างออนโทโลยี (Ontology) ทางธรณีวิทยา ทำให้กระบวนการอนุمانตรวจสอบและอธิบายได้
- ผสานแหล่งข้อมูลที่หลากหลาย ทั้งแผนที่ธรณีวิทยา, ข้อมูลการเจาะสำรวจ, ธรณีฟิสิกส์ และการรับรู้ระยะไกล (Remote Sensing)
- การประยุกต์ใช้ข้ามอุตสาหกรรม: การวางแผนการใช้ที่ดิน, การประเมินผลกระทบสิ่งแวดล้อม, การรับประกันภัย
- ผลลัพธ์ที่อธิบายเหตุผลได้ เหมาะสำหรับฉากทัศน์ที่ต้องชี้แจงเกณฑ์การตัดสินใจแก่ผู้กำกับดูแลหรือนักลงทุน
การใช้งานทั่วไป
- คัดกรองและจัดลำดับพื้นที่เป้าหมายสำหรับการสำรวจแร่ในระยะเริ่มต้น
- ผสานแผนที่ธรณีวิทยาประวัติศาสตร์เพื่อเทียบเคียงความคล้ายคลึงของประเภทแหล่งแร่
- จัดทำชั้นข้อมูลความเสี่ยงน้ำท่วม, ดินถล่ม และไฟป่าในระดับภูมิภาค
- การประเมินความเสี่ยงภัยพิบัติธรรมชาติและการวางแผนการใช้ที่ดินสำหรับอุตสาหกรรมประกันภัย
ฟีเจอร์เด่น
- ชุดเครื่องมือ AI สำรวจแร่ TERRA: เปรียบเทียบประเภทแหล่งแร่, จัดลำดับเป้าหมายสำรวจ และผสานข้อมูลแผนที่ธรณีวิทยา
- AI ความเสี่ยงภูมิอากาศ GAIA: ประเมินความเสี่ยงภัยพิบัติธรรมชาติ เช่น น้ำท่วม, ดินถล่ม และไฟป่า
- ขับเคลื่อนด้วยโครงสร้างออนโทโลยี (Ontology) ทางธรณีวิทยา ทำให้กระบวนการอนุมานตรวจสอบและอธิบายได้
- ผสานแหล่งข้อมูลที่หลากหลาย ทั้งแผนที่ธรณีวิทยา, ข้อมูลการเจาะสำรวจ, ธรณีฟิสิกส์ และการรับรู้ระยะไกล (Remote Sensing)
- การประยุกต์ใช้ข้ามอุตสาหกรรม: การวางแผนการใช้ที่ดิน, การประเมินผลกระทบสิ่งแวดล้อม, การรับประกันภัย
- ผลลัพธ์ที่อธิบายเหตุผลได้ เหมาะสำหรับฉากทัศน์ที่ต้องชี้แจงเกณฑ์การตัดสินใจแก่ผู้กำกับดูแลหรือนักลงทุน
ข้อดี
- ความสามารถในการ "อธิบายเหตุผลได้" คือจุดขายที่แท้จริง ไม่ใช่แค่คำโฆษณา ทั้งการตัดสินใจทางธรณีวิทยาและการประกันภัยล้วนต้องมีเหตุผลรองรับ
- แนวทางที่ขับเคลื่อนด้วยความรู้ทำให้ระบบมีความน่าเชื่อถือในสาขาอาชีพที่มีข้อมูลจำกัด มากกว่าโมเดลสถิติล้วนๆ
- การแชร์เทคโนโลยีเบื้องหลังร่วมกันระหว่างสายงานเหมืองแร่และความเสี่ยงภัยพิบัติ ทำให้มีความคุ้มค่าในการต่อยอดสูง
- Use Case ของ GAIA (น้ำท่วม, ดินถล่ม) ตอบโจทย์ความต้องการใช้งานจริงในพื้นที่เสี่ยงภัยสูง
ข้อเสีย
- เป็นเครื่องมือระดับมืออาชีพขั้นสูง ผู้ใช้งานจำเป็นต้องมีพื้นฐานด้านธรณีวิทยาหรือการประเมินความเสี่ยงจึงจะใช้งานได้จริง
- ไม่มีการเปิดเผยราคา ต้องติดต่อเพื่อเจรจาต่อรอง
- คำว่า "Cognitive AI" ยังไม่มีนิยามที่ตายตัวในอุตสาหกรรม ประสิทธิภาพจริงจึงขึ้นอยู่กับคุณภาพของออนโทโลยีเป็นหลัก
- ขนาดบริษัทค่อนข้างเล็ก ต้องประเมินความสามารถในการสนับสนุนระยะยาวก่อนนำไปใช้งาน
กรณีการใช้งาน
- คัดกรองและจัดลำดับพื้นที่เป้าหมายสำหรับการสำรวจแร่ในระยะเริ่มต้น
- ผสานแผนที่ธรณีวิทยาประวัติศาสตร์เพื่อเทียบเคียงความคล้ายคลึงของประเภทแหล่งแร่
- จัดทำชั้นข้อมูลความเสี่ยงน้ำท่วม, ดินถล่ม และไฟป่าในระดับภูมิภาค
- การประเมินความเสี่ยงภัยพิบัติธรรมชาติและการวางแผนการใช้ที่ดินสำหรับอุตสาหกรรมประกันภัย
บันทึกบรรณาธิการ
หมายเหตุบรรณาธิการ: เดิมทีผมค่อนข้างสงสัยกับคำว่า "Cognitive AI" เพราะฟังดูเหมือนคำพูดทางการตลาดทั่วไป แต่พอพิจารณา Minerva ในบริบทของงานธรณีวิทยาแล้ว ผมถึงเข้าใจเหตุผลของพวกเขา—ต้นทุนการจัดหาข้อมูลธรณีวิทยานั้นสูงจนน่าตกใจ การเจาะสำรวจหลุมเดียวใช้เงินหลายแสนดอลลาร์ ทำให้เราไม่มีข้อมูลนับล้านรายการป้อนให้โมเดล ภายใต้เงื่อนไขดังกล่าว การนำความรู้ของมนุษย์ใส่เข้าไปในระบบจึงสมเหตุสมผลกว่าการพยายามอัดข้อมูลดิบเข้าไปเฉยๆ สำหรับไลน์ GAIA นั้น ผมมองว่ามีความหมายและน่าสนใจสำหรับหน่วยงานที่เกี่ยวข้องกับการจัดการภัยพิบัติที่ควรลองศึกษาดูครับ
คำถามที่พบบ่อย
"Cognitive AI" แตกต่างจาก Machine Learning ทั่วไปอย่างไร?
ต่างกันที่แหล่งที่มาของความรู้ Machine Learning ทั่วไปเรียนรู้รูปแบบจากข้อมูล แต่แนวทางของ Minerva คือการแปลงความเชี่ยวชาญของนักธรณีวิทยาให้อยู่ในรูปออนโทโลยีที่มีโครงสร้าง ก่อนจะนำมาใช้ในการอนุมาน ข้อดีคือใช้งานได้แม้มีข้อมูลน้อยและกระบวนการอนุมานมีเหตุผลรองรับ ข้อเสียคือการสร้างออนโทโลยีต้องใช้แรงงานคนค่อนข้างมาก
ต้องซื้อ TERRA และ GAIA แยกกันหรือไม่?
เป็นผลิตภัณฑ์คนละไลน์และเจาะกลุ่มเป้าหมายต่างกัน โดย TERRA ขายให้ธุรกิจสำรวจแร่ ส่วน GAIA ขายให้หน่วยงานประเมินความเสี่ยงภัยพิบัติและการวางแผนที่ดิน สำหรับเงื่อนไขการใช้งานจริงต้องติดต่อเจรจากับทางบริษัท
หน่วยงานด้านการจัดการภัยพิบัติสามารถนำไปใช้งานได้จริงหรือไม่?
ในแง่ตรรกะทางเทคโนโลยีถือว่าสอดคล้อง แต่ในทางปฏิบัติขึ้นอยู่กับว่าระบบสามารถรองรับรูปแบบข้อมูลแผนที่และระบบจำแนกประเภททางธรณีวิทยาของท้องถิ่นได้หรือไม่ ต้นทุนการปรับใช้ให้เข้ากับท้องถิ่นของเครื่องมือประเภทนี้มักไม่ต่ำ แนะนำให้ทดลองประเมินในสเกลเล็กๆ ก่อนตัดสินใจใช้งานจริง