获得比尔盖茨巨额投资的AI探矿公司KoBold Metals技术简析

原创浩特智能-矿业工业出海 2025年05月26日

谁是浩特?请参考下图

作者：黄大爷

关键要点

研究表明，AI在矿产勘探中通过贝叶斯决策和顺序规划优化钻探，效率高。
Intelligent Prospector v2.0由斯坦福Mineral-X开发，可能与KoBold Metals合作使用。
主要算法包括POMDP框架和SARSOP求解器，处理模型不确定性。
KoBold Metals利用AI发现关键矿产，Mineral-X提供学术支持。

概述

AI在矿产资源勘探中通过智能系统如Intelligent Prospector v2.0优化钻探规划，特别是在模型不确定性下。研究表明，它使用贝叶斯决策和顺序规划，显著提高效率。以下是其原理、逻辑和算法，以及与KoBold Metals和Mineral-X的关系。

AI的原理

AI系统基于贝叶斯决策框架，从人类地质假设开始，通过钻探数据更新，减少不确定性。它还处理空间变异性和模型不确定性，旨在减少钻孔数量，降低成本。

AI的逻辑

系统使用部分可观测马尔可夫决策过程（POMDP），包括状态（如地质分布）、动作（如钻探位置）和观察（如品位数据）。它动态更新信念，检测假设是否错误，并最大化经济回报。

主要算法

主要算法包括POMDP公式化、贝叶斯信念更新（用椭圆切片采样）和SARSOP求解器。这些算法确保在不确定条件下高效决策。

与KoBold Metals和Mineral-X的关系

Intelligent Prospector v2.0由斯坦福的Mineral-X开发，研究表明可能与KoBold Metals合作，尤其在赞比亚Mingomba项目中。KoBold Metals用AI发现关键矿产如铜和锂，Mineral-X提供学术支持。

详细说明

AI在矿产资源勘探中的应用：Intelligent Prospector v2.0、KoBold Metals及Mineral-X

AI技术在矿产资源勘探中的应用正日益受到关注，特别是通过智能系统优化钻探规划以提高效率和降低成本。本报告详细阐述AI的原理、逻辑和主要算法，并分析其与KoBold Metals和Mineral-X的关系。

1. Intelligent Prospector v2.0的AI原理、逻辑和算法

1.1 原理

Intelligent Prospector v2.0是一种由斯坦福大学Mineral-X项目开发的AI系统，专注于矿产勘探中的钻探规划优化，特别是在模型不确定性（epistemic uncertainty）下的应用。其核心原理包括：

核心原理

贝叶斯决策（Bayesian Decision Making）：

系统从人类生成的地质假设（prior models）开始，通过钻探获取的数据不断更新这些假设，减少对关键属性（如矿产品位和厚度）的不确定性。

顺序规划（Sequential Planning Under Uncertainty）：

通过迭代规划钻探位置，考虑每个行动对未来决策的影响，旨在最大化信息获取和经济价值。

处理不确定性：

与前代IPv1.0不同，v2.0不仅处理空间变异性（aleatoric uncertainty），还明确处理模型不确定性，承认人类假设可能不正确或不完整。

效率与成本降低：

系统旨在减少所需钻孔数量，从而降低勘探成本并加速发现。例如，在赞比亚的超高品位铜矿床表征中，v2.0显著减少了钻孔数量。

这些原理确保AI能够在数据匮乏的早期勘探阶段，依靠概念模型和假设进行决策，并通过动态更新适应变化。

1.2 逻辑

系统的逻辑基于部分可观测马尔可夫决策过程（POMDP），具体包括以下组件：

状态表示（State Representation）：

包括地质状态（矿产的空间分布，如品位、厚度和深度，在2D网格上）、假设状态（潜在地质场景）和钻探状态（当前钻探位置和剩余时间）。这些状态部分可观测，因为真实地质模型和假设不可直接知晓。
动作选择（Action Selection）：

动作是选择钻探位置，目标是最大化预期回报（经济价值），同时减少不确定性。
观察（Observations）：

从钻探中获得噪声数据，如品位和厚度，用于更新对地质模型的信念。
信念更新（Belief Updating）：

通过贝叶斯推理动态更新信念，使用分层贝叶斯模型。初始信念基于人类假设（prior knowledge），通过新观察更新，涉及假设、地质域（如地堑结构、地球化学异常）和属性分布之间的关系。
假设证伪（Hypothesis Falsification）：

引入“空假设”（高熵、无空间相关性的模型），如果空假设的似然性高于人类假设，则表明当前假设错误，触发人类干预重新生成假设。
回报最大化（Reward Maximization）：

目标是最大化回报函数，通常是经济模型，平衡矿产收入与钻探和开采成本，可能还包括不确定性减少作为额外回报。

这种逻辑确保AI能够适应性强，数据驱动，并在发现假设错误时及时调整。

1.3 主要算法

Intelligent Prospector v2.0的主要算法围绕POMDP的求解展开，具体包括：

（1）POMDP公式化：

定义POMDP元组（S, A, T, R, O, L, γ），其中：

S：状态空间（地质、假设和钻探状态）。

A：动作空间（可能的钻探位置）。

T：转移模型（确定性，因地质状态静态，仅钻探位置变化）。

R：回报函数（经济模型，收入与成本平衡）。

O：观察空间（钻孔的品位和厚度测量）。

L：似然模型（给定状态和动作的观察概率）。

γ：未来回报的折扣因子。

POMDP通过维护信念状态（belief state）处理部分可观测性，更新信念通过贝叶斯推理实现。

（2）信念更新算法：

使用分层贝叶斯方法，公式为：

f(H, D_chem, D_grab, Th, g) = P(H) f(D_chem | H) f(D_grab | H) f(Th | D_grab) f(g | D_chem)

其中H为假设，D_chem和D_grab为地球化学和地堑域，Th为厚度，g为品位。观察更新似然为：

ℓ(O | a) = Σ_h P(h) Σ_d_chem, d_grab ℓ(O | h, d_chem, d_grab, a) P(d_chem | h) P(d_grab | h)

品位和厚度的似然用高斯过程和克里金法建模，域观察用Kronecker delta分布。对于复杂更新，使用椭圆切片采样（Elliptical Slice Sampling, ESS）进行马尔可夫链蒙特卡洛（MCMC）采样，假设几何参数的高斯先验。

（3）假设证伪检查：

通过比较空假设与人类假设的似然性，检测假设是否被证伪。如果空假设似然性更高，触发人类干预。

（4）POMDP求解器SARSOP：

使用离线算法SARSOP（Successive Approximations of the Reachable Set under Optimal Policies），专注于最优策略下的可达信念空间子集，降低计算复杂性。通过离散化处理连续元素：

状态：从信念分布中采样。
动作：潜在钻探位置的网格。
观察：用k-means聚类随机生成样本，概率从频率估计。
通过前向和后向探索迭代优化，最大化预期回报。

（5）决策过程：

在每个步骤，系统通过SARSOP求解离散化POMDP，选择下一个钻探位置，更新信念后重新规划。

这些算法确保系统在不确定条件下高效决策，实验表明v2.0显著优于网格钻探，所需钻孔少于一半即可达到相同决策精度。

2. KoBold Metals和Mineral-X的背景及关联

2.1 KoBold Metals

KoBold Metals是一家总部位于加利福尼亚伯克利的初创公司，成立于2018年，专注于使用AI技术发现关键矿产，如锂、铜、镍和钴，这些矿产对电动车和可再生能源技术至关重要。公司已筹集超过5亿美元资金，包括2025年1月完成的5.37亿美元股权融资，估值达29.6亿美元，投资者包括比尔·盖茨、杰夫·贝索斯、安德森·霍洛维茨和T. Rowe Price。

KoBold Metals使用专有AI工具，如“Machine Prospector”，通过统计建模、大数据聚合和基础矿床科学，提高勘探速度和效率。其方法包括：

构建地球物理和地球化学数据的全球数据库。
使用生成式AI和传统机器学习算法，分析历史数据，揭示可能被忽视的矿床。
在全球范围内开展70多个项目，覆盖澳大利亚、加拿大、格陵兰、撒哈拉以南非洲和美国。

2024年，KoBold Metals在赞比亚的Mingomba项目中发现了一个可能成为全球最大高品位铜矿床的矿藏，预计年产数十万吨铜，证明了AI在实际勘探中的价值。

2.2 Mineral-X（斯坦福大学）

Mineral-X是斯坦福大学Doerr可持续发展学院的一个研究项目，专注于使用数据科学和AI技术，创建弹性强（resilient）和可持续的关键矿产供应链。其目标是通过技术创新，从矿产勘探到加工，推进清洁可再生能源的实现。

Mineral-X开发了“Intelligent Prospector”系统，包括v1.0（2023年）和v2.0（2024年），用于优化矿产勘探中的数据获取和工程操作。系统强调将人类智能（HI）与人工智能（AI）相结合，解决复杂地质挑战。研究领域包括：

贝叶斯最优设计、最优数据获取。
蒙特卡洛方法进行不确定性量化。
机器学习用于多物理场地球物理反演。
空间数据分析和复杂结构设置的随机水平集方法。

Mineral-X与工业伙伴合作，将AI方法应用于实践，特别是在碳捕获、地热能和矿产加工领域。

3. 总结与展望

Intelligent Prospector v2.0的AI原理基于贝叶斯决策和POMDP框架，逻辑上通过信念更新和假设证伪处理不确定性，主要算法包括SARSOP求解器和分层贝叶斯方法。这些技术显著提高了矿产勘探的效率，减少了钻孔数量。

KoBold Metals利用AI技术发现关键矿产，特别是在Mingomba项目中取得了突破，而Mineral-X提供了学术支持和技术开发，两者的合作体现了产学研结合的潜力。尽管合作存在争议，但研究表明，AI在矿产勘探中的应用正推动全球能源转型，为可持续资源开发提供了新路径。

以下表格总结了关键信息：

实体	角色	主要贡献	合作关系
Intelligent Prospector v2.0	AI系统	优化钻探规划，处理模型不确定性	由Mineral-X开发
KoBold Metals	矿产勘探公司	使用AI发现关键矿产，如Mingomba铜矿	与Mineral-X合作，自2019年起
Mineral-X（斯坦福）	学术研究项目	开发Intelligent Prospector，学术支持	与KoBold Metals合作，技术支持