机器学习达到矿产勘探，人工智能还是弱智吗？

　　采矿 咨询 服务提供商MSA Group 和加拿大采矿软件开发商 Koan Analytics之间的合作伙伴关系使机器学习可供南非和世界各地的矿产勘探者使用。
　　MSA 勘探 服务经理Craig Blane说：＂该合作伙伴关系提供了最先进的分析平台，该分析平台适用于矿产勘探绘制和目标生成。 ＂
　　他说，任何希望开展矿产勘探计划的公司通常都会从勘探目标生成过程开始。
　　目标是使用所有可用数据来确定发现矿床的可能性很高的区域。数据先按区域整理，再按矿床规模整理。
　　迄今为止，机器学习技术尚未在国内勘探领域得到广泛应用，只有专业咨询公司提供先进的机器学习驱动的目标生成和前景映射服务。
　　该合作伙伴关系成立于 2020 年，需要 Koan 贡献其机器学习和分析能力，而MSA则利用其在矿床模型和矿物系统建模方面的专业知识提供其专家地质输入，以询问和解释数据以生成勘探目标。
　　Blane 解释说，该过程首先通过从各种地球科学数据集（包括报告、日志表、地球物理学和地球化学数据集）中提取基于文本、表格和图像的信息来构建一个集成的数据存储库。
　　他补充说，借助机器学习分析平台可以输入目标生成研究的数据量远远大于传统方法。
　　＂这允许识别新的和以前错过的目标，并将改善优先级和目标选择。此外，生成和排名目标所需的时间可以大大减少，＂他热情地说。
　　Koan 开发了一个界面，使用户能够操作平台并使用集群、图表和地图工具识别感兴趣的特征，以询问基础数据，从而深入了解潜在的矿化位置。
　　＂这个过程可以很容易地适应世界上几乎任何地区，＂他说。
　　街区新来的孩子
　　＂随着数据存储库开发中机器学习的进步，探索分析的新集成方法正在出现，＂Koan Analytics 首席执行官Rob Wood说。
　　＂来自海量数据源的每条数据都经过提取、标记和分类，因此每个单独的数据工件或信息都可以与数据存储库中的每个其他数据工件相关联。＂
　　在此过程中，数据存储库从仅仅存储数据发展到保存所有地理空间相关信息的固有（语义）关系和洞察力。
　　Koan 的相关分类系统是持久的——一旦系统学到了一些东西，它就会保留知识，并且随着新数据的添加，这些信息会被添加到系统的理解中。
　　这使地质学家能够对不同的数据属性进行复杂的分析，例如：岩性、地质年代学、结构、矿床类型、地球物理学、地球化学、矿物产状和矿物蚀变。
　　基于