Zaman sekarang, sering banget kita mendengar tentang AI ini.
"AI untuk analisa bisnis"
"AI untuk analisa investasi"
"AI untuk menulis skripsi"
Perkembangan teknologi dan data manajemen yang lebih advance belakangan ini menjadikan otomasi, optimasi hingga prediksi menjadi sangat memungkinkan dilakukan di berbagai lini. Sampailah AI ini di bidang yang satu ini, eksplorasi mineral.
"AI untuk eksplorasi? Secanggih apa sih?"
Beberapa waktu lalu saya memperoleh kesempatan "tidak sengaja" dari psotingan rekan di WA mengenai akan diadakannya seminar online mengenai AI di eksplroasi ini. Judulnya juga sangat meyakinkan dan on-point: The Role of Artificial Intelligence in Discovering One of the World's Largest Copper Deposits. Seminar tersebut disampaikan oleh Prof. Jef Caers, seorang Founder Mineral-X dari Universitas Stanford! Beliau membawakan seminar ini di Prodi Teknik Pertambangan ITB.
"Orang umum apakah boleh ikut?" tanyaku pada Mirza, teman yang bekerja sebagai asisten dosen di Prodi Teknik Pertambangan ITB dan Alhamdulillaah saya diperbolehkan hadir. Senang rasanya.
Seminar diawali dengan menghadirkan urgensi dari penambangan tembaga (Cu) yang permintaannya akan terus meningkat terutama untuk men-support berbagai komponen barang elektronik. Lalu tentu saja, penambangan merupakan industri yang sarat akan besarnya modal, bahkan dari semenjak tahapan eksplorasi. Efisiensi dalam biaya eksplorasi (baca: lebih irit biaya) akan menyenangkan untuk dilakukan di awal proses eksplorasi, kan?
Di sini terlihat jelas ya premis yang akan ditawarkan: AI akan membantu efisiensi biaya dalam pertambangan, kasusnya adalah dalam proses eksplroasi.
Seminar ini meng-highlight satu contoh kesuksesan penggunaan AI pada salah satu tambang tembaga Mingomba di Zambia. Sebagai catatan, secara geologi regional, Zambia menempati suatu zona yang disebut sebagai sabuk tembaga (Copper-Belt) dimana memang pembentukan endapan pembawa tembaga sudah sangat banyak kasusnya di sana. Ini tentunya berimplikasi kepada ketersediaan data dan keyakinan geologi secara regional tentang adanya endapan tembaga di sekitar sabuk tembaga tersebut, menjadikannya menurut saya modal yang utama untuk eksplorasi selanjutnya.
AI dalam eksplorasi mineral di Mingomba, berperan dalam 3 proses utama yaitu:
- Pengintegrasian model geostatistik
- Kuantifikasi ketidakpastian dan proses falsifikasi
- Pengambilan keputusan secara sekuental
Tiga proses ini dilakukan sepanjang proses eksplorasi menggunakan AI. Tentunya peran dari geologist tidak hilang begitu saja dengan AI. Geologist akan hadir dalam menyediakan hipotesis mengenai model geologi apa saja yang mungkin diinterpretasi dari setiap update data yang ada, sedangkan AI-lah yang men-generate prediksi dari hipotesis yang dibuat sebelumnya oleh geologist.
Sebagai gambaran, secara matematis proses optimasi eksplorasi tersusun dari empat komponen utama:
- Keyakinan awal mengenai kondisi geologi dari proses yang sudah dilakukan (dapat berupa mapping, sampling, bahkan drilling). Keyakinan ini dinotasikan sebagai belief (b). Ini adalah hasil interpretasi dan keyakinan yang dipegang pada saat awal iterasi dilakukan dan akan terus ter-update seiring berlanjutnya eksplorasi.
- Kemampuan untuk melakukan ekstraksi ataupun produksi dari bahan galian, mencakup aspek teknis dan rekayasa (engineering), untuk membawa bahan tambang keluar dari bumi. Komponen ini dinotasikan sebagai action (a). Metode penambangan adalah ruh dari komponen ini.
- Pengamatan atas respon geofisika, mencakup data tambahan yang hadir dari pengukuran-pengukuran geofisika pada batuan di dalam tanah dengan sifat-sifat batuan yang spesifik. Komponen ini dinotasikan sebagai observation (o). Model anomali geofisika, tidak secara langsung menentukan apa yang terjadi tetapi mengindikasikan gejala yang dapat mengarahkan pada kegiatan eksplorasi selanjutnya untuk memastikan indikasi tadi.
- Yang terakhir, yaitu keuntungan yang dapat diperoleh dari suksesnya eksplorasi dan penambangan nantinya. Komponen ini dinotasikan sebagai reward (r). Penambangan dilakukan untuk memperoleh keuntungan, sehingga tentunya pertimbangan untung-tidak nya proses eksplorasi dan penambangan akan mempengaruhi dan memberikan batasan terhadap setiap momentum pengambilan keputusan. Take it or leave it!
Kalau kita perhatikan dengan seksama, kita dapat mengidentifikasi porsi baik manusia dan AI dalam eksplorasi ini: manusia memberikan makna dan berperan dalam pengambil keputusan berdasarkan opsi dan prediksi yang dapat dengan mudah di-produksi dan di-iterasi dengan cepat dengan bantuan AI. Penggunaan AI yang brilian sekali!
.jpg)
Algoritma yang diadaptasi dalam proses iterasi ini adalah Marcov decision process (MDP). Pada algoritma ini, AI di-desain untuk dapat mengidentifikasi kondisi terkini (state) dan menentukan action (a) yang perlu dilakukan dan observasi (o) yang direkam dan memprediksi reward (r) yang mungkin diperoleh. Setelah satu step selesai maka AI akan melakukan update terhadap belief (b+1) yang ada sehingga AI akan kembali negidentifikasi state (s+1) untuk melakukan action selanjutnya (a+1), dan seterusnya.
Simpulan dari seminar kali ini adalah bagaimana penerapan AI di kegiatan eksplorasi endapan tembaga Mingomba dapat memberikan arahan kemana pengeboran eksplorasi dilakukan, seberapa besar perbedaan antara model geologi awal dengan model geologi prediksi setelah eksplorasi, lalu kapan kita mencukupkan data untuk memulai tambang. Dengan waktu yang lebih singkat dan juga titik bor yang cukup (tidak sebanyak titik bor apabila dilakukan grid drilling) maka diperolehlah discovery endapan di Mingomba ini.
"Tiap-tiap negara mempunyai standar pelaporan eksplorasinya sendiri yang sudah baku dan dilaporkan kepada kementerian terkait sebelum suatu perusahaan memperoleh izin untuk menambang. Apakah metode eksplorasi dengan AI ini dapat diterapkan di standar yang sudah ada, misalnya kalau di Indonesia ada SNI dan KCMI? Karena jumlah titik bor dan jarak antar titik bor-nya terkesan kurang dari standar yang sudah ada" tanya saya pada sesi diskusi.
"We will prove in many studies and mining areas that this AI method can be used, until later the code and standards will adopt the AI concept in exploration process, It will takes time, but we will prove that the use of AI will be very benefecial in optimizing of exploration activities" begitu kira-kira jawab narasumber.
Ada beberapa hal yang menjadi catatan, untuk dibawa ke rumah (take home notes):
- Kenapa di Zambia bisa? Kondisi regulasinya pastinya berbeda dengan yang ada di Indonesia, apakah itu berpengaruh? Pasti ada pengaruhnya.
- Project ini ternyata di-back-up oleh Bill Gates, menarik!
- Bagaimana persiapan Indonesia kedepannya? Masih banyak PR lalu bagaimana saya berkontribusi?
Semangat untuk belajar lagi. Semoga pertambangan di Indonesia dapat lebih baik lagi. Siap Eksplorasi!
Social Media