AI w górnictwie: jak algorytmy szukają surowców transformacji energetycznej

Sztuczna inteligencja wchodzi do górnictwa nie jako magiczny detektor metali, lecz jako narzędzie do analizy niepełnych, wielowarstwowych informacji o podziemnej rzeczywistości, którą nie można zobaczyć w całości.

Transformacja energetyczna — elektryfikacja transportu, rozbudowa sieci odnawialnych źródeł energii, cyfryzacja gospodarki — wymaga ogromnych ilości materiałów: miedzi do sieci przesyłowych i silników, litu do baterii, niklu do stopów, pierwiastków ziem rzadkich do magnesów trwałych. Paradoks polega na tym, że sama infrastruktura sztucznej inteligencji — chipy, serwery, transformatory, przewody, centra danych — powstaje z tych samych materiałów. AI szuka więc surowców, które są niezbędne do jej własnego istnienia.

Jak algorytmy znajdują złoża?

Poszukiwanie złóż opiera się na łączeniu danych z wielu źródeł: budowy skał, wyników poprzednich odwiertów, próbek geochemicznych, pomiarów magnetycznych i grawimetrycznych, danych sejsmicznych, zdjęć satelitarnych oraz dokumentacji historycznej. Każde źródło opisuje inny fragment rzeczywistości podziemnej.

Sztuczna inteligencja zestawia te informacje w skali trudnej do osiągnięcia metodami ręcznymi. Model szuka zależności między cechami znanych złóż a sygnałami obecnymi na nowych obszarach, wskazując miejsca, gdzie określone układy skał, pierwiastków i struktur geologicznych zwiększają prawdopodobieństwo mineralizacji.

Korzyść nie polega na magicznym odkryciu metalu. Algorytm pomaga ustalić, gdzie warto skierować geologów, wykonać dokładniejsze pomiary lub przeprowadzić kosztowny odwiert. W branży, gdzie większość projektów poszukiwawczych nie kończy się uruchomieniem kopalni, lepsze wybranie celu może oszczędzić lata i ogromne nakłady finansowe.

Przypadek KoBold Metals i odkrycie Mingomba

Firma KoBold Metals stała się symbolem tego podejścia, łącząc dane geologiczne, nowe metody pomiarowe, modele predykcyjne i wiedzę specjalistów. Odkrycie Mingomba w Zambii jest przedstawiane jako dowód, że połączenie nauk o Ziemi i zaawansowanej analityki może prowadzić do dużych projektów.

Jednak przypadek ten wymaga ostrożności. Złoża nie odkrył sam algorytm — wynik powstał dzięki współpracy geologów, zespołów terenowych, danych historycznych, wierceń i modeli. AI pomogła uporządkować niepewność i wybierać kolejne działania, ale nie zastąpiła fizycznego sprawdzenia hipotezy. Model może wskazać prawdopodobne miejsce; dopiero odwiert pokaże, czy rzeczywiście znajduje się tam złoże i czy jego wydobycie będzie technicznie i ekonomicznie możliwe.

Jaki jest globalny popyt na surowce krytyczne?

Według prognoz Międzynarodowej Agencji Energetycznej popyt na surowce krytyczne niemal podwoi się do 2040 roku przy realizacji obecnych polityk klimatycznych. Skala zmian jest zróżnicowana dla poszczególnych materiałów:

Surowiec	Wzrost popytu do 2040	Zastosowania główne
Lit	Ponad 3-krotny	Baterie do samochodów elektrycznych, magazyny energii
Miedź	Największy wzrost ilościowy	Sieci elektroenergetyczne, silniki, centra danych, elektronika
Nikiel	Kilkadziesiąt procent	Baterie o wysokiej gęstości energii, stal nierdzewna, stopy
Pierwiastki ziem rzadkich	Kilkadziesiąt procent	Magnesy trwałe w turbinach, silnikach, robotyce, systemach obronnych

Miedź jest metalem elektryfikacji — bez niej trudno rozbudowywać sieci przesyłowe, instalacje OZE, ładowarki i systemy telekomunikacyjne. Cyfryzacja oraz transformacja energetyczna zwiększają zapotrzebowanie na ten sam materiał jednocześnie.

Lit stał się symbolem gospodarki akumulatorowej. Chociaż zmiany składu chemicznego baterii mogą zmniejszać wykorzystanie niektórych metali, rozwój samochodów elektrycznych i magazynów energii nadal oznacza silny wzrost popytu.

Co to oznacza dla globalnej konkurencji o surowce?

Posiadanie zasobów geologicznych nie daje automatycznie przewagi. Kluczowe są zdolności przetwarzania, rafinacji i produkcji komponentów. Państwo może wydobywać rudę, a mimo to pozostać zależne od kraju, do którego wysyła ją w celu dalszego oczyszczania.

Globalne łańcuchy tych surowców są silnie skoncentrowane. Chiny dominują w przetwarzaniu wielu metali i pierwiastków ziem rzadkich, a Indonezja stała się centralnym graczem na rynku niklu. AI może pomóc odkrywać alternatywne złoża, ale nie zbuduje w krótkim czasie hut, rafinerii, infrastruktury energetycznej ani kompetencji potrzebnych do ich działania. Geologia jest dopiero pierwszą warstwą suwerenności surowcowej.

Jak AI zmienia warunki pracy w kopalniach?

Najbardziej widocznym przejawem automatyzacji górnictwa są autonomiczne ciężarówki. W wielkich kopalniach odkrywkowych pojazdy przemieszczają setki ton materiału po wyznaczonych trasach bez kierowcy w kabinie. Systemy sterujące znają położenie maszyn, ich prędkość, kierunek jazdy oraz sytuację na drogach technologicznych.

Rio Tinto wykorzystuje w australijskich operacjach ponad sto autonomicznych ciężarówek, a transport rudy wspiera również zautomatyzowana kolej AutoHaul. Maszyny są nadzorowane z centrów operacyjnych oddalonych o setki kilometrów od miejsca wydobycia.

Automatyzacja może ograniczać ekspozycję pracowników na pył, hałas, wysoką temperaturę, drgania i ryzyko kolizji. Pozwala również utrzymywać bardziej regularny ruch pojazdów, zmniejszać liczbę gwałtownych hamowań i lepiej planować wykorzystanie sprzętu. Jednak nie każda autonomiczna maszyna korzysta z zaawansowanej sztucznej inteligencji — część wykonuje powtarzalne zadania według zaprogramowanych tras i reguł. AI pojawia się tam, gdzie system analizuje otoczenie i przewiduje zachowanie.

Co to oznacza dla przyszłości górnictwa?

Sztuczna inteligencja w górnictwie pracuje w podwójnej roli: pomaga znaleźć metale potrzebne do budowy przyszłości, a zarazem zwiększa popyt na część z nich. Algorytm szukający nowych złóż pracuje pośrednio także na rzecz infrastruktury, bez której sam nie mógłby istnieć.

Jednak AI nie rozwiąże fundamentalnych wyzwań surowcowych. Może ograniczyć liczbę nietrafionych wierceń, zużycie energii i ilość odpadów przypadających na tonę wydobytego surowca — ale równocześnie może przyspieszyć globalny wyścig po lit, miedź, nikiel i pierwiastki ziem rzadkich, przenosząc środowiskowy koszt transformacji energetycznej do nowych regionów świata. Efektywność technologiczna nie oznacza automatycznie zrównoważoności.