圖為位于陜西省榆林市的國(guó)家能源集團(tuán)國(guó)神公司三道溝煤礦井下綜采工作面生產(chǎn)數(shù)字孿生場(chǎng)景。
從智能掘進(jìn)、綜采，到礦山無(wú)人駕駛，再到智能洗選，對(duì)煤炭行業(yè)來(lái)說(shuō)，“智能化”早已不是新概念，但伴隨近期DeepSeek的火爆，礦山企業(yè)又掀起一股新的人工智能（AI）潮。越來(lái)越多的煤炭企業(yè)宣布接入DeepSeek，從增強(qiáng)自有模型到強(qiáng)化智能開(kāi)采，AI和礦山智能系統(tǒng)體現(xiàn)出較強(qiáng)互補(bǔ)性。AI的深度應(yīng)用，可為決策者提供更科學(xué)、更直觀的參考，也可以降低使用者面臨的技術(shù)門(mén)檻。但另一方面，復(fù)雜條件下AI決策的透明性、可靠性仍有不足，制約著AI價(jià)值的進(jìn)一步釋放。
智能系統(tǒng)和AI有何不同？
“你在煤炭行業(yè)能發(fā)揮哪些作用？”DeepSeek列舉了智能勘探與資源評(píng)估、自動(dòng)化開(kāi)采與設(shè)備管理、安全生產(chǎn)與風(fēng)險(xiǎn)預(yù)警等一系列應(yīng)用場(chǎng)景，并表示：“通過(guò)這些功能，DeepSeek能夠幫助煤炭行業(yè)實(shí)現(xiàn)智能化、自動(dòng)化和可持續(xù)發(fā)展，提升生產(chǎn)效率，保障安全生產(chǎn)，降低環(huán)境影響。”
而對(duì)煤炭行業(yè)來(lái)說(shuō)，DeepSeek所說(shuō)的概念似乎并不新鮮，近年來(lái)智能掘進(jìn)、智能綜采、智能巡檢等一系列關(guān)鍵設(shè)備和技術(shù)落地推廣，行業(yè)智能化建設(shè)已然取得一批成果。但因DeepSeek模型的開(kāi)源特性和良好性能，近期，一批煤炭企業(yè)或下屬科技公司也掀起DeepSeek的“接入”潮。從智慧辦公到設(shè)備監(jiān)測(cè)，從安全生產(chǎn)到供應(yīng)鏈優(yōu)化，AI似乎正改變著礦山的每個(gè)環(huán)節(jié)。
那么，礦山智能系統(tǒng)和時(shí)下興起的AI有何不同？中國(guó)礦業(yè)大學(xué)（北京）機(jī)械與電氣工程學(xué)院教授郭一楠表示：“智能系統(tǒng)通常基于自動(dòng)化控制、數(shù)據(jù)采集和傳感器技術(shù)，依賴(lài)事先設(shè)定的規(guī)則和算法，完成數(shù)據(jù)研判和控制下發(fā)。這種系統(tǒng)最典型的特征，就是通過(guò)確定性方式實(shí)現(xiàn)對(duì)數(shù)據(jù)信息的利用。無(wú)論是報(bào)警閾值設(shè)定，還是控制目標(biāo)值設(shè)定，抑或是設(shè)備故障診斷時(shí)故障樹(shù)的排查邏輯，均是依賴(lài)于確定性的數(shù)據(jù)信息。”
人工智能的引入可以為智能系統(tǒng)帶來(lái)一些新的特性和升級(jí)。郭一楠表示，AI能夠從大規(guī)模數(shù)據(jù)中提取深層次的關(guān)系和規(guī)律，不局限于傳統(tǒng)的規(guī)則和模型，還能根據(jù)實(shí)時(shí)數(shù)據(jù)的變化動(dòng)態(tài)調(diào)整分類(lèi)、預(yù)測(cè)或決策結(jié)果，突破預(yù)設(shè)規(guī)則的限制?！暗靡嬗趯W(xué)習(xí)到的多領(lǐng)域通用知識(shí)，包括DeepSeek在內(nèi)的生成式AI能夠以更擬人的思維和溝通方式提供人性化輸出，被視作重塑行業(yè)AI應(yīng)用模式的革命性技術(shù)。”
AI應(yīng)用潛力如何？
從利用方式來(lái)看，多個(gè)煤炭企業(yè)都是以自有的智能化項(xiàng)目為“基座”，通過(guò)接入DeepSeek為項(xiàng)目升級(jí)。其中，山東能源集團(tuán)旗下的云鼎科技股份有限公司利用DeepSeek增強(qiáng)了自有模型對(duì)礦山行業(yè)知識(shí)數(shù)據(jù)的推理能力，并進(jìn)一步將其開(kāi)發(fā)成智能應(yīng)用，可在安全生產(chǎn)、運(yùn)營(yíng)管理、財(cái)務(wù)審計(jì)和輔助決策等多個(gè)場(chǎng)景落地。
中煤信息公司稱(chēng)，通過(guò)接入DeepSeek大模型，提升了其自有的“智控”項(xiàng)目AI能力。通過(guò)發(fā)揮DeepSeek在推理、數(shù)據(jù)處理與智能化分析方面的優(yōu)勢(shì)，形成具備多項(xiàng)能力的大模型技術(shù)底座，可在煤炭、煤化工、電力、新能源等專(zhuān)業(yè)領(lǐng)域應(yīng)用。
郭一楠表示：“AI系統(tǒng)善于識(shí)別傳統(tǒng)系統(tǒng)難以察覺(jué)的微小變化和潛在問(wèn)題，而精準(zhǔn)分析又依賴(lài)于智能系統(tǒng)為礦山企業(yè)提供的數(shù)據(jù)基座，二者缺一不可。當(dāng)前煤炭領(lǐng)域的智能系統(tǒng)經(jīng)過(guò)長(zhǎng)期優(yōu)化，為AI系統(tǒng)的建設(shè)提供了寶貴的業(yè)務(wù)基礎(chǔ)?！?/p>
AI對(duì)智能系統(tǒng)升級(jí)可體現(xiàn)在多個(gè)方面?！吧墒紸I能夠直接處理非結(jié)構(gòu)化數(shù)據(jù)，如井下巡檢視頻、設(shè)備異響音頻和地質(zhì)報(bào)告文本等，還能從設(shè)備日志文本中提取關(guān)鍵語(yǔ)義，并與傳感器數(shù)據(jù)形成互補(bǔ)，構(gòu)建更全面的設(shè)備狀態(tài)畫(huà)像。”郭一楠指出，AI也可以結(jié)合實(shí)時(shí)數(shù)據(jù)和知識(shí)庫(kù)，動(dòng)態(tài)生成決策建議，并用自然語(yǔ)言解釋決策邏輯。通過(guò)強(qiáng)化學(xué)習(xí)與數(shù)字孿生技術(shù)，AI能夠在虛擬環(huán)境中預(yù)演不同決策方案，從而為決策者提供更科學(xué)、更直觀的參考。
此外，面對(duì)智能系統(tǒng)中可能存在的閾值設(shè)置不合理等情況，AI系統(tǒng)可以通過(guò)對(duì)多源乃至多模態(tài)數(shù)據(jù)的綜合分析，輔助人員完成現(xiàn)有智能系統(tǒng)的優(yōu)化。AI也可以降低使用人員的技術(shù)門(mén)檻，輔助理解和應(yīng)用不熟悉的知識(shí)，并通過(guò)類(lèi)人的語(yǔ)言交互模式完成對(duì)多系統(tǒng)復(fù)雜信息的融合分析，更精準(zhǔn)、快速地解決現(xiàn)場(chǎng)問(wèn)題。
井下用AI是否可靠？
近年來(lái)，我國(guó)煤開(kāi)采深度以每年8—12米的平均速度向深部延伸。面對(duì)這一新形勢(shì)，AI既有獨(dú)特優(yōu)勢(shì)，但同時(shí)也存在短板。
郭一楠指出，面對(duì)高度不確定的地質(zhì)條件，AI可以融合多方面數(shù)據(jù)，構(gòu)建動(dòng)態(tài)風(fēng)險(xiǎn)預(yù)測(cè)模型。而針對(duì)深部煤層賦存形態(tài)不確定性強(qiáng)的特點(diǎn)，AI可利用強(qiáng)化學(xué)習(xí)算法動(dòng)態(tài)調(diào)整開(kāi)采方案。深部開(kāi)采常面臨多災(zāi)種耦合風(fēng)險(xiǎn)，傳統(tǒng)分析方法受限于單一學(xué)科模型，而AI可通過(guò)知識(shí)圖譜技術(shù)整合多領(lǐng)域知識(shí)，建立跨學(xué)科的因果推理模型。
近期，已有部分企業(yè)通過(guò)接入AI加快推進(jìn)煤礦開(kāi)采裝備的智能化升級(jí)。中國(guó)煤科天瑪智控的技術(shù)涵蓋液壓控制、綜采自動(dòng)化控制、生產(chǎn)維護(hù)維修等多個(gè)領(lǐng)域，通過(guò)DeepSeek大模型、向量數(shù)據(jù)庫(kù)和圖數(shù)據(jù)庫(kù)的綜合運(yùn)用，提高了智能系統(tǒng)推理的準(zhǔn)確性和數(shù)據(jù)的安全性；鄭煤集團(tuán)利用DeepSeek完成了對(duì)“安全生產(chǎn)數(shù)字礦工”系統(tǒng)的關(guān)鍵技術(shù)升級(jí)，探索礦山安全管控“多模態(tài)感知+自主決策”。
在煤礦領(lǐng)域，AI做出的決策可能直接關(guān)系到人員安全，其可靠性與精準(zhǔn)性仍需強(qiáng)化。首先，AI決策的運(yùn)作機(jī)制復(fù)雜，盡管能夠推導(dǎo)出結(jié)論，但其推導(dǎo)過(guò)程就像在一個(gè)黑箱中進(jìn)行，對(duì)使用者不透明。AI決策的“黑箱”特性和礦山安全的強(qiáng)合規(guī)性要求存在一定矛盾。同時(shí)，深部開(kāi)采中新出現(xiàn)的致災(zāi)模式往往缺乏歷史數(shù)據(jù)，導(dǎo)致AI預(yù)測(cè)可靠性下降。深部作業(yè)現(xiàn)場(chǎng)的高溫、高濕環(huán)境易導(dǎo)致傳感器數(shù)據(jù)漂移，訓(xùn)練不足的AI模型可能產(chǎn)生誤判。
“當(dāng)前智能化轉(zhuǎn)型已從單一技術(shù)驗(yàn)證邁向全鏈條協(xié)同創(chuàng)新，但井下復(fù)雜場(chǎng)景適配性、算法可靠性和人才儲(chǔ)備等問(wèn)題仍制約著AI價(jià)值的釋放?！惫婚硎?，隨著AI決策鏈向采掘、安全等核心環(huán)節(jié)延伸，人工與智能設(shè)備的權(quán)責(zé)界定也需同步完善，避免“算法黑箱”引發(fā)的責(zé)任真空。
來(lái)源：中國(guó)煤炭報(bào)