پدیده صادقی نیا - دانشجوی کارشناسی ارشد رشته زمین شناسی اقتصادی دانشگاه تبریز، ایران
روح اله ندری - استادیار گروه زمین شناسی دانشگاه پیام نور، تهران، ایران

هوش مصنوعی در فرآیند اکتشاف میتواند به شرکتهای معدنی کمک کند تا با شناسایی الگوها و ناهنجاری ها در داده هایی کهممکن است توسط زمین شناسان انسانی نادیده گرفته شوند، مواد معدنی و منابع را سریع تر و کارآمدتر بیابند. یادگیری ماشینینشان داده است که ابزاری امیدوار کننده در پردازش حجم عظیمی از داده های جمع آوری شده در طول اکتشاف است. در حال حاضربا کمک هوش مصنوعی میتوان اکتشاف ها را دقیق تر انجام داد و احتمال شناسایی یک منطقه ی اقتصادی تر را بیشتر میکند زیرااکتشافات آتی احتمالا توده های معدنی عمیق تر و پیچیده تری هستند که توسط بار اضافی و دیگر ساختار های زمین شناسی پنهانشده اند. دستیابی به داده های قابل اعتماد و پردازش سریع آنها جزو کارکردهای هوش مصنوعی در حوزه اکتشاف است و در عملیاتاکتشاف، هوش مصنوعی هزینه شناسایی و اکتشاف را بسیار کاهش می دهد. تصویر برداری و جمع آوری دیتا با استفاده از پهبادهاباعث می شود وسعت بیشتری در زمان کمتری و البته ارزان تر نسبت به روش های سنتی مورد پایش قرار گیرد، ضمن اینکه امکانداده برداری از مناطق صعب العبور و خطرناک را مهیا می سازد. پس از جمع آوری دیتا، تلفیق و مدل سازی دیتاهای اکتشافی همچونداده های تصاویر ماهواره ای، نمونه های صحرایی و ژئوفیزیک انجام و داده ها توسط فضای ابری ارسال می شود .

اکتشاف، ساختارهای زمین شناسی، جمع آوری دیتا، پهبادها، نمونه های صحرایی، ژئوفیزیک، فضای ابری