下一个AI舞台,名叫煤矿

257991ad2b5b58dc71fefa8a546ce08f.jpeg

如果大海给贝壳下的定义是珍珠,那么时间给煤的定义就是钻石。

2020年初,我们曾经探访过山西一家大型矿山。矿山中的工程师对我们说,现在矿上特别需要新技术,需要数字化、智能化。但现在年轻人,尤其是懂AI、懂云计算的人才,大多不愿意来煤矿。怎么让矿山与未来接轨,是他们最忧心的问题。

想要彻底克服这个挑战,当然还任重道远。但跨出第一步是一切可能性的开始。年轻的AI开发者,需要一个窗口来了解煤矿,需要一个底座来融汇AI技术,需要一个舞台来展示自己的才能。即使是还没有走向社会的校园开发者,也可以先用“众筹模式”让他们亲临煤矿智能化的产业一线——这一切,已经发生了。

cd5ba97cb521f3113c059ed968fe60ca.jpeg

由中国煤炭学会主办,中国矿业大学(北京)协办,华为进行赞助支持的第一届全国煤炭行业矿山AI大模型大赛已经进入决赛阶段。根据评委专家组审评,有15支队伍入围决赛,最终比赛预计在12月底结束。

过往,我们讨论过各种各样的AI开发大赛,但这场比赛具有几个重要特点:最真实的场景,比赛直接关注煤炭产业一线问题与挑战,对齐行业需求;最前沿的技术,基于AI预训练大模型完成比赛,对齐技术发展趋势;最年轻的开发者,高校在校学生即可参赛,最大限度剔除参赛门槛。

a4c0062e3e4aab6fddb6bf538a8ef3a2.jpeg

这三个特点相互碰撞,激活了煤炭智能化的星星之火。

a4b4d753fc7b6261c782e3271dd1619f.png

矿山之上:既要AI,更要人才

从需求上看,矿山产业对AI技术为代表的新一代信息技术有着高度的需求。煤矿中有大量亟待远程化、自动化改造的工作,同时也有大量需要智能化改造的设备。这些都是AI技术可以带来深度变革的潜力空间。

但问题在于,煤炭产业生产环境复杂、作业场景多样、装备资产厚重、知识经验丰富,数字化方案缺乏统一标准,且不同企业、矿区之间的数字化建设差异巨大。这就导致矿山是一个很难“懂”的行业,需要真正投身一线,花费大量时间来吸收经验,寻找问题,才能将AI技术带来的识别、理解等能力发挥出价值。

facb58735a9ba752ac9080d8bb2f5465.jpeg

既懂AI,又懂矿山,归根结底需要依靠人才。但就矿山行业的特殊性而言,通过招聘方式获取到大量高水准AI人才是很难的。这一方面是局限于企业本身的智能化需求和阶段,可能无法负担巨大的AI人才开支。另一方面,矿山普遍地处偏远,在客观条件上也限制了吸引高水准AI人才。

近几年,AI预训练大模型是AI领域最火热的概念。大模型可以通过海量数据+行业场景精调的方式,降低行业利用AI成本,实现AI的工业化落地。

在大模型有效降低产业门槛的基础上,剩下的问题就是让AI人才来到矿山,来到矿山产业的一线。

矿山AI大模型大赛,就搭建了这样一个舞台。

舞台之中:

校园AI开发者的煤矿首秀

77c0a3f29402cf287b335c6737dcd01a.png

我们可以看到,参赛选手虽然来自校园,但他们的关注点与发力点,却充分展现了与产业充分融合的“老道”。

对于很多校园AI开发者而言,矿山AI大模型大赛是他们的产业舞台首秀。这种观察产业、理解产业、融入产业的价值观,想来会陪伴他们很久,更会改变未来煤矿智能化,乃至更多行业智能化的人才基座。

我们可以来看两支参赛队伍的作品。

“中科大少年班”,是无数人从小梦想加入的学府。从这里出发的队伍,也加入了矿山AI大模型大赛。来自中国科学技术大学少年班学院的“蜗壳穿山甲队”,带来了矿上运煤传送带的AI机器人巡检方案。

在矿山当中,大型露天矿区需要使用远距离传送带进行传输。大型矿山的传送带长度可能达到10公里。而传送带故障巡检至关重要,一旦因故障造成停工检修,每检修一小时就可能影响数千吨的矿物运输。传统人工巡检,要在如此长的距离中来回巡视,面临着环境恶劣,且容易漏检、错检等问题。

c1dffa80e003f517b85a0fd87d51e445.jpeg

AI巡检方案则改变了这种情况。通过巡检机器人(端)、服务端(云)、客户端三部分组合,AI巡检机器人可以通过5G网络将海量感知数据上传至云端,从而在云端进行智能化的故障识别与检测。这个方案有效应用了大模型泛化性强的优势,可适用于多种使用胶带传输系统的场景,并且可以在发现新的异常场景后,实时上传图片,完成云端迭代训练,让矿山中的巡检AI“越用越聪明”。

来自中国矿业大学的“煤有办法”团队,带来了“刮板后溜煤矸及人员识别AI模型成果展示”。

这一项目直接作用于采煤环节。传统的放顶煤采煤法,需要在开采厚煤层时,沿煤层的底板或煤层某一厚度范围内的底部布置采高为2~3m的采煤工作面,用综合机械化方式进行回采,再利用矿山压力的作用或辅以松动爆破等方法,使顶煤破碎成散体后,由支架后方或上方的“放煤窗口”放出,并由刮板运输机运出工作面。

这个方法的问题在于,大部分工作面依赖于人工放煤,现场工人只能通过看和听来把握放煤过程、煤矸混放过程和放矸过程,掌控放煤口的开关时机。这种方式高度依赖经验,并且很有可能造成煤炭开采中的浪费。

“煤有办法”团队,将盘古大模型部署在液压支架后方对准后刮板,使AI识别能力遍布整个工作面。既可以判断检修期间工作人员的行为安全情况,同时也可以在生产时间拍摄画面传输到井上生产调度室,基于华为矿山AI大模型识别厚煤层放顶煤煤矸,从而降低矸石产出,提高煤炭资源回收率,减少下井人数。

记得在矿山时,矿上的工程师跟我们说,“什么是煤矿安全?少下矿,不下矿就是最大的安全”。这句话给我留下了深刻的印象。今天,不仅是各个企业、供应链在为此努力,大学生AI开发者也为这个目标贡献出独特的价值。

校园AI开发者的煤矿首秀,真的十分精彩。

98b8d5e514ed9a6ec414e926cb03c575.png

底座之路:

“众筹模式”让煤矿智能化成为“活水”

矿山智能化,确实有很多的问题。但如果每个开发者都能解决一个问题。全中国,甚至全世界的AI开发者都来解决煤矿的问题,那么最终会怎样?

我想,这才是矿山AI大模型大赛真正带来的启示。过去,我们总是认为AI大模型、开发者、煤矿场景,这几件事是相互分流的:中小型AI开发者团队难以实现大模型的开发,煤炭产业难以找到高水平的AI人才,年轻开发者也总是远离煤矿这种传统行业。

但这场比赛却打破了这种固化认知。这种矿山产业出问题,科技行业出技术, 产学研共同搭建舞台的方式,构成了一种类似“众筹平台”的效应。煤炭产业的需求,不再需要从找人、招人开始做起;AI开发者,也不会对矿山这样的产业望而生畏。

ad85efa29806877858ce0ceddb60285b.jpeg

这次比赛与其背后的组织机制、平台机制,有效将华为矿山AI大模型、云计算资源、校园开发者生态,这些AI领域的人、技术、资源,直接对齐了煤炭产业一线。让大量产业需求与海量开发者自由结合,双方充分发挥创造性与洞察力。当这种“众筹模式”形成固定机制,发展出产业标准,矿山智能化就会成为活水:最新最强的技术不断涌入;人才随时加入;产业问题不断得到解决。

矿山AI大模型之路,就是一条底座之路。复杂、繁荣的,矿山AI场景应用,将是这个底座之上的高楼大厦。

目前,矿山AI大模型大赛,已经有389支队伍,一共有1500多全国高校师生参与,覆盖中国科技大学、西安电子科大、北京邮电大学、中国矿业大学(北京)、中国矿业大学、安徽理工大学等国内多所高校。他们的到来、发现和完成作品,就是矿山行业智能化的星星之火。他们与矿山行业的碰撞,闪烁出关于智能的无限可能。

当AI开发者来到这里,举起AI大模型的光亮,照向矿山。那里将不再是年轻人“避之不及”的地方,而是变成施展鸿鹄之志的舞台,变成他们改变未来的起点。

2ad65ed83613eddf396efd60dacdc014.gif

本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
THE END
分享
二维码
< <上一篇
下一篇>>