علماء PNIPU يضاعفون سرعة البحث عن خام الذهب والنحاس باستخدام الشبكات العصبية
أعلن علماء جامعة بيرم الوطنية للبحوث التقنية (PNIPU) عن نهج يعتمد على الشبكات العصبية يسرّع البحث عن المكامن المعدنية بنحو الضعف. ويشمل ذلك الذهب والنحاس والألمنيوم وغيرها من المعادن الاستراتيجية. ويكلّف البحث عن مكامن جديدة البلاد مئات المليارات، ولذلك يظهر أي اختصار في المدد بوضوح في الميزانية. غير أن الإعلان المتاح لا يتضمن بيانات عن بنية النموذج ولا عن عينة التدريب ولا عن دقة التنبؤ. • الأثر المعلَن: بحث أسرع بنحو مرتين • الهدف: الذهب والنحاس والألمنيوم وغيرها من المعادن الاستراتيجية • السؤال الأهم: ما الذي تسارع تحديدًا، وكيف جرى التحقق من ذلك ميدانيًا
معالج بواسطة الذكاء الاصطناعي من CNews؛ بتحرير Hamidun News
أعلنت جامعة بيرم الوطنية للبحوث التقنية (PNIPU) أن علماءها درّبوا شبكات عصبية على العثور على المكامن المعدنية أسرع بنحو مرتين. وصُمّم هذا النهج للبحث عن الذهب والنحاس والألمنيوم وغيرها من المعادن الاستراتيجية. وهذا بند إنفاق مكلف للبلاد: فبحسب منشور لموقع CNews، يكلّف البحث عن مكامن جديدة مئات المليارات. وإذا صمد الرقم أمام التحقق، فإن خفض وقت البحث إلى النصف يعني توفيرًا ملحوظًا.
أين يضيع وقت التنقيب الجيولوجي
يسير البحث عن المكمن في سلسلة من المراحل. تُجمع أولًا البيانات الجيوفيزيائية والجيوكيميائية والجيولوجية، ثم تُفسَّر، وتُحدَّد المواقع الواعدة، ولا يبدأ الحفر إلا بعد ذلك. ويعتمد التفسير عادةً على خبرة المتخصصين ويستغرق أسابيع وأشهرًا. أما الحفر فهو الأعلى كلفة، وكل بئر تُحفر في صخور خالية من الخام تستنزف جزءًا من الميزانية.
تعمل الشبكات العصبية هنا كمرشِّح. فهي تبحث في بيانات متباينة عن أنماط قد لا يلاحظها الإنسان فورًا، أو يلاحظها بعد فوات الأوان، ثم ترتّب المواقع بحسب احتمال العثور على الخام. وتسلك شركات التعدين العالمية هذا الطريق منذ سنوات. أما التطويرات الروسية في هذا المجال فما زالت أقل شيوعًا، ولذلك يثير الخبر القادم من بيرم الاهتمام.
ما المعروف وما غير المعروف
تتضمن المادة المتاحة تفاصيل تقنية قليلة. وهذا ما يمكن تأكيده استنادًا إليها:
- المطوِّر: PNIPU، بيرم
- الأثر المعلَن: تسريع البحث بنحو مرتين
- المعادن المستهدفة: الذهب والنحاس والألمنيوم وغيرها من المعادن الاستراتيجية
- حجم المشكلة: تكاليف البحث عن مكامن جديدة تُقدَّر بمئات المليارات
- لم يُكشف عنه: بنية النموذج، وحجم بيانات التدريب ومصدرها، والدقة ونسبة الإنذارات الكاذبة، ونتائج الاختبارات الميدانية
البند الأخير أهم من سابقاته. فمن دونه يبقى «أسرع بمرتين» وعدًا لا مقياسًا.
كيف نقرأ رقم «مرتين»
يمكن قياس التسريع بطرق مختلفة. فإن كان المقصود زمن معالجة البيانات وتفسيرها، فالنتيجة واقعية تمامًا: النموذج يحسب أسرع من المحلل، وهذا متوقع. أما إن كان المقصود المدة من بدء الأعمال حتى العثور المؤكد على المكمن، فالادعاء أكثر طموحًا بكثير. فهذه المدة تتوقف على الحفر والترخيص والخدمات اللوجستية، ولا تكاد الشبكة العصبية تؤثر فيها.
وثمة تحفظ ثانٍ: ما الذي جرت المقارنة به. فالمكسب بمقدار الضعف مقارنةً بالتفسير اليدوي يعطي نتائج مختلفة جدًا عن المكسب نفسه مقارنةً بالأساليب الإحصائية الكلاسيكية. وتواجه مسائل الخامات صعوبة أخرى مميزة: فالمكامن المعروفة قليلة، وعينات التدريب صغيرة، والنماذج تميل إلى التكيّف مع منطقة بعينها وتنتقل بصعوبة إلى جيولوجيا مختلفة.
ما الذي ينبغي التحقق منه قبل التطبيق
بالنسبة لشركات التعدين والمستثمرين، تتلخص الخطوات العملية فيما يلي. أولًا، طلب وصف للطريقة وللبيانات التي دُرّب عليها النموذج من المطوِّرين. ثم اختباره على موقع مغلق تُعرف نتيجته مسبقًا، ومقارنة التنبؤ بالواقع. ومن المهم ألا يقتصر النظر على نسبة الأهداف التي عُثر عليها، بل يشمل أيضًا عدد المواقع الخالية التي وصفها النموذج بأنها واعدة، لأنها هي التي تحدد كلفة الخطأ في الحفر.
إذا نجح الاختبار، فسيحقق التسريع توفيرًا فعليًا في المراحل المبكرة من الاستكشاف. وإذا أخفق، فستبقى لدى الجامعة نسخة أولية مثيرة للاهتمام، وسيبقى لدى السوق رقم آخر من بيان صحفي. وسيكشف نشر ورقة علمية تتضمن المقاييس، أو تجربة تجريبية مع شركة مستثمِرة للثروات الباطنية، أيَّ الاحتمالين هو الصحيح.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.