Sztuczna inteligencja (AI) oraz tworzone na jej bazie narzędzia w coraz większym stopniu oddziałuje na gospodarkę we wszystkich sektorach, od świadczenia podstawowych usług z obszarów m.in. marketingu, obsługi klienta, poprzez edukację, ocenę zdolności kredytowej, przeprowadzanie oceny zgłoszeń alarmowych, diagnostykę medyczną, księgowość, wspieranie procesu zatrudnienia i kadr, po identyfikowanie ryzyk, zarządzanie łańcuchem dostaw oraz wspomaganie procesów decyzyjnych. AI jest zatem obecna zarówno w domenie prywatnej gospodarki, jak również w publicznej.
Spośród wielu czynników wpływających na tak szerokie i wielopłaszczyznowe wykorzystywanie wspomnianego rozwiązania technologicznego można wyodrębnić kilka odnoszących się do uniwersalnych, niewątpliwych korzyści. Są to przede wszystkim:
- automatyzacja zadań i procesów – dotyczy zarówno prostych, powtarzalnych, choć czasochłonnych działań tradycyjnie wykonywanych przez niskowykwalifikowanych pracowników, jak i zadań o podobnym schemacie postępowania wykonywanych przez wykwalifikowanych analityków;
- efektywność – wiążąca się w sposób naturalny z automatyzacją, umożliwiając nieprzerwane wykonywanie zadań, analizę dużych ilości danych, a powodując wzrost produktywności i oszczędności;
- analiza przewidywalności – systemy AI stworzone do analizy złożonych zagadnień, wnioskowania oraz przewidywania możliwych ryzyk i proponowania wariantów działania wspomagają i skracają proces decyzyjny redukując zarazem koszty;
- obsługa klienta.
Nowy model gospodarki wymuszany dostosowaniem do procesu transformacji energetyczno-klimatycznej wymaga wprowadzenia w równym stopniu, jako uzupełnienie ale i element konieczny, transformacji cyfrowej. Ostatnia bowiem wprowadzając i upowszechniając nowoczesne technologie może przyspieszyć oraz przede wszystkim umożliwić realizację zwiększania efektywności energetycznej, racjonalizację zarządzania źródłami wytwórczymi, monitoring zużycia i emisyjności, a także zoptymalizować funkcjonowanie systemu elektroenergetycznego poprzez np. upodobnienie do wirtualnej elektrowni (VPP) w makroskali.
Potrzeba łącznej transformacji – energetycznej i cyfrowej obejmuje również gospodarkę surowcami, a zatem górnictwo. Chociaż należy pamiętać, że sektor wydobywczy i górnictwo to nie tylko wydobycie węgla, to jednak na marginesie można skonstatować, że podtrzymanie polskiego górnictwa, a górnictwa węglowego zwłaszcza będzie zależało od stopnia efektywności wydobycia, to natomiast w szczególności zależeć może od wdrożenia sztucznej inteligencji w danych obszarach.
W górnictwie bowiem możliwe jest zastosowanie AI w sposób realizujący główne, uniwersalne korzyści wynikające z technologii, jak również szczegółowe rozwiązania w wielu dziedzinach wydobycia, zwiększając nie tylko efektywność operacyjną, lecz poprawiając bezpieczeństwo pracy, logistykę czy identyfikując złoża oraz sposoby ich eksploatacji.
Za dotychczasowymi oraz wdrażanymi innowacyjnymi rozwiązaniami ze świata, głównie w państwach anglosaskich oraz Chinach można wskazać na automatyzację linii transportowych w oparciu o sztuczną inteligencję. Rozwiązanie to polega na stałym przetwarzaniu danych z zintegrowanych czujników wszystkich urządzeń mobilnych, taśmociągowych, transportowych, autonomicznych ciężarówek oraz czujników sprzętu wydobywczego. System oparty o AI zarządza ruchem i dostosowuje pracę poszczególnych jednostek (zautomatyzowanych lub wysyła polecenia) celem zapewnienia najwyższej efektywności każdego etapu pracy z uwzględnieniem zużycia paliw i energii dla środków transportu. Brytyjsko-australijski koncern Rio Tinto oszacował, że zastosowanie powyższego rozwiązania zredukowało zużycie paliwa o 15% i zwiększyło produktywność o 10%.
Kolejną istotną możliwością zastosowania AI jest uprzednio wspomniane wykorzystanie do wyszukiwania złóż surowców. Odpowiednie zaprojektowanie modelu sztucznej inteligencji do analizy map geologicznych, analizy chemicznej w zestawieniu z przetwarzaniem danych finansowych może poprawić trafność doboru odpowiednich złóż do nawet 90%.
Analogicznie funkcjonować może system bezpieczeństwa górników polegający na badaniu przez sztuczną inteligencję w czasie rzeczywistym prawdopodobieństwa wystąpienia zagrożenia spowodowanego rodzajem pracy maszyn, związanego z ryzykiem zalania lub wybuchem metanu. Rozwiązania takie minimalizują sytuacje niebezpieczne zwiększając społeczną odpowiedzialność zakładu oraz umożliwiają stałe, automatyczne dostosowywanie strategii wydobycia przedsiębiorstwa do aktualnych okoliczności redukując przestoje.
Poza wymienionym potencjałem implementacji sztucznej inteligencji w górnictwie na uwagę zasługuje zautonomizowane kombajnów chodnikowych. Wydaje się, że zwłaszcza to rozwiązanie w połączeniu ze sterowanym procesem logistyczno-transportowym może zminimalizować udział człowieka w niebezpiecznych etapach wydobycia. Przystosowanie AI do obsługi kombajnów chodnikowych zapewnia całkowite wykluczenie przeciążania sprzętu, jego napędów, ograniczanie awaryjności oraz zużycia, dokładne dostosowanie nachylenia, nacisku i prędkości pracy, zwiększenie wydajności i precyzji, a przede wszystkim poprawę bezpieczeństwa.
To nie wszystkie rozwiązania AI mogące zostać wykorzystane w sektorze wydobywczym, lecz wybrane spośród dotychczas stosowanych lub wdrażanych, które mogłyby zostać replikowane w polskim sektorze.
W kontekście transformacji, słusznie wskazuje się na potrzeby restrukturyzacji kopalń węgla kamiennego (by posłużyć się najpopularniejszym polskim przykładem), należy jednak uzupełnić dyskusję o konkretne propozycje i rozwiązania, nie tylko w zakresie organizacyjnym, struktury rynku, problemów społecznych i pracowniczych, czy gwarantowania surowca dla centralnych źródeł systemu elektroenergetycznego, lecz także mając na uwadze podtrzymanie wydobycia do 2040 r. (w kontekście KPeik) – tudzież 2049 r. (w kontekście umowy społecznej) i potencjał sztucznej inteligencji w zwiększeniu efektywności.
AI może stanowić, jak pokazują przykłady przedsiębiorstw wydobywczych w USA, Chinach, czy Australii, odpowiedź na potrzeby zwiększenia efektywności pracy zakładów górniczych, przy jednoczesnym obniżeniu kosztów operacyjnych oraz minimalizacji zaangażowania ludzi w warunkach niebezpiecznych. Z tej perspektywy sektor europejski i polski będą szczególnie wrażliwe pod względem konkurencyjności na wdrażanie AI.
Na zakres i możliwości wdrożenia poszczególnych rozwiązań opartych na AI będzie mieć wpływ unijne rozporządzenie w sprawie sztucznej inteligencji, które zgodnie z art. 2 ust. 1 będzie mieć zastosowanie zarówno do dostawców AI, podmiotów stosujących, jak też podmiotów na które AI będzie mieć wpływ.
Art. 6 AI ACT wprowadza zasady klasyfikowania poszczególnych systemów opartych na sztucznej inteligencji jako wysokiego ryzyka. Za technologie wysokiego ryzyka uznano te, obejmujące wykorzystywane w zakresie infrastruktury krytycznej, kształcenia lub szkolenia, dot. elementów bezpieczeństwa produktów, zarządzania pracownikami oraz procesami decyzyjnymi, podstawowych usług prywatnych i publicznych, czy administrowanie pewnymi aspektami wymiaru sprawiedliwości.
W świetle powyższego wykorzystanie AI zwłaszcza przy autonomicznej obsłudze transportu oraz samego wydobycia surowców wymagać będzie wdrożenia szczególnego rodzaju mechanizmów kontrolnych.
Począwszy bowiem od konieczności wprowadzenia systemu zarządzania ryzykiem (art. 9) polegającego na stałym przeglądzie i aktualizacji planowania procesu iteracyjnego, przez odpowiednie zarządzanie danymi (art. 10), weryfikację dokumentacji technicznej, na której oparte jest dane rozwiązanie AI, po rejestrowanie zdarzeń mogących skutkować powstaniu ryzyka w wyniku działania systemu (art. 12) oraz zapewnienie stałego nadzoru ze strony człowieka celem maksymalizacji bezpieczeństwa (art. 14).
Warto także zauważyć na dodatkowy obowiązek po stronie podmiotów stosujących polegający na zapewnieniu odpowiedniego zaplecza kadrowego, organizacyjnego oraz technicznego dla AI wysokie ryzyka, z którym wiąże się postępowanie zgodnie z instrukcją obsługi danego systemu.
Sztuczna inteligencja może przyczynić się więc do kreowania potencjalnych modeli restrukturyzacji polskiego sektora wydobywczego, warto jednak zwrócić uwagę, że zastosowanie AI, choć mogłoby przyczynić się do ograniczenia niebezpiecznych zdarzeń w ogóle, może także zwiększać skalę problemu zatrudnienia. AI ograniczając zapotrzebowanie na pracowników wykonujących czynności niebezpieczne dokona zmianę struktury zatrudnienia w kierunku personelu IT nadzorującego działanie systemów. Sytuacja taka przyspieszyłaby potrzeby wprowadzenia całego programu przekwalifikowania pracowników.
Pełne wprowadzenie systemów AI niewątpliwie powodować będzie liczne problemy, także prawne, dot. precyzyjności definiowania, odpowiedniego wprowadzania wymogów względem AI wysokiego i bardzo wysokiego ryzyka, czy zw. z odpowiedzialnością w łańcuchu AI. Niewątpliwie mogą powstać także problemy interpretacyjne stosowania prawa geologicznego i górniczego przy wykonywaniu np. czynności poszukiwania i rozpoznawania złóż kopalin przy użyciu technologii AI.
AI powinna zatem stanowić naturalny element transformowania górnictwa, faktyczny jednak poziom jej zastosowania zależeć będzie w dużej mierze od podejścia samej branży i podejścia do innowacyjności, jak też dalszych polityk regulacyjnych.
Mgr Marcin Gronowski / 14.01.2025 r.
Źródła:
- Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 z dnia 13 czerwca 2024 r. w sprawie ustanowienia zharmonizowanych przepisów dotyczących sztucznej inteligencji oraz zmiany rozporządzeń (WE) nr 300/2008, (UE) nr 167/2013, (UE) nr 168/2013, (UE) 2018/858, (UE) 2018/1139 i (UE) 2019/2144 oraz dyrektyw 2014/90/UE, (UE) 2016/797 i (UE) 2020/1828, Dz. U. UE L 2024/1689.
- Projekt Krajowego Planu w dziedzinie Energii i Klimatu do 2030 r. – wersja do konsultacji publicznych z 10.2024 r., https://www.gov.pl/web/klimat/projekt-krajowego-planu-w-dziedzinie-energii-i-klimatu-do-2030-r–wersja-do-konsultacji-publicznych-z-102024-r.
- Long C., Yuting X., Yutong W., Shirong G., Fei-Yue W., Sustainable Mining in the Era of Artifical Intelligence, IEEE/CAA Journal of Automatica Sinica, t. 11, nr 1, 2024.
- Fusko M., Rakyta M., Skokan R., How digitisation is disrupting and transforming industry, Acta Tecnologia – International Scientific Journal about Technologies, v. 6, 2020.
- Liu R., Gailhofer P., Gensch C-O., Kohler A., Wolff F., Impacts of the digital transformation on the environment and sustainability, Oko-Institut, Berlin, 2019.
- Geetha C., Ayub M. S., Chandran E.V. V., The Influence Of Adopting Artificial Intelligence (AI) on Malaysia’s Economic Environment, Malaysian Journal of Business and Economics, t. 11, nr 1, 2024.
- Maksymowicz A., Sztuczna inteligencja w poszukiwaniu i eksploatacji surowców, Przegląd Geologiczny, t. 67, nr 4, 2019.
- Jasiułek D., Rogala-Rojek J., Stankiewicz K., Możliwości implementacji technik sztucznej inteligencji w układach sterowania kombajnów chodnikowych, Napędy i Sterowanie, nr 7/8, 2011.
- Biznes Alert, Sztuczna inteligencja w górnictwie USA i Chin, https://biznesalert.pl/surowce-ai-komputery-chiny-gospodarka/