◎  赵  佩

　　战略性矿产资源是保障国民经济社会发展和国家安全的重要基础。矿产资源产业链供应链具有长链条、大规模、跨时空、多层次的特点，上下游有机统筹与衔接是实现矿产资源合理开发与利用、资源有效配置、可持续供给安全的途径和保障，应完善战略性矿产资源探采供储销统筹和衔接体系。

　　战略性矿产资源探采供储销涉及产业链供应链多个环节的各个主体，上游勘探、选冶企业，中游初级加工品生产企业，下游的终端消费生产企业。各环节和主体之间需要通过产品、物流和信息媒介等进行联通，涉及海量数据，需要通过引入新的技术方法，构建基于系统思维的管理模式，完善战略性矿产资源探采供储销统筹和衔接体系。

　　近年来，随着人工智能在交通运输、医学诊断、金融市场等领域应用逐渐成熟，人工智能成为一门融合大数据、知识图谱、机器学习和深度学习等技术及应用模拟和扩展人脑智能应用系统的新技术科学。2022年，ChatGPT的横空出世，掀起了各个领域与人工智能结合应用的高潮。人工智能在矿产资源领域的应用得到广泛关注，上游领域AI找矿、智能矿山、AI选矿不断应用，在地质找矿中，通过大数据智能化技术与传统地质找矿知识创新融合，综合信息三维定位预测优选的深部靶区等，中游和下游领域的AI生产也得到尝试应用，生产过程的数字孪生技术，可实现全生产流程智能化管理以及AI无人工厂等。但现阶段AI的应用更多的是技术层面的应用，在战略性矿产资源探采供储销体系中鲜有应用。

　　国家层面除了加大产业链供应链各环节和主体AI技术的应用和推广外，还应加强宏观层面AI辅助管理的深化应用。通过AI技术将战略性矿产资源产业链供应链相关数据信息，以及市场、价格、重大事件等多源异构数据和信息进行收集，并将相应的数据和信息可视化，数字孪生形成我国矿产资源探采供储销AI系统。该系统可实时反映我国战略性矿产资源探采供储销各环节和主体之间的关联关系，当出现外部冲击或者内部改变时，可识别出潜在的风险点和脆弱点，为决策提供技术支撑。

　　面对当前矿业发展的形势，AI系统可结合我国战略性矿产资源探采供储销系统现状，为决策提供数据支撑。随着技术的不断成熟和演进，AI系统不仅仅能提供定性的决策辅助，还可以进行定量化的决策辅助。因为战略性矿产资源探采供储销在一个系统内各环节和主体存在交互作用，量化的决策可以实现系统最优化。当发生重大事件时，AI系统还可以进行模拟仿真相应事件并对其产生的影响进行风险评估，从而提出相应的应对决策，为决策者提供参考。巴西尾矿溃坝等事件，已经为机器学习提供了案例样本，通过对历史事件发生前中后产业链供应链数据和信息学习，当发生类似事件时，AI系统能够快速提供决策辅助。通过对历史数据的深度学习，不仅仅可以给出定性决策辅助，同时还可以对微观层面各个环节和主体行为进行定量的决策辅助。AI系统不仅可以对发生事件进行辅助决策，还可以对我国战略性矿产资源探采供储销系统进行中长期规划。战略性矿产资源上游勘探行业具有周期性，从资源勘查到矿山开发至少需要5至10年时间，因此资源勘查、矿山开发需要对未来进行一定的预判。未来需求旺盛的矿种需要加强勘查，而未来需求减少的矿种则要在一定程度上控制勘查投入。同时，AI系统在还可以为相关政策出台提供决策辅助，如国家需要出台与战略性矿产资源相关政策，尽管会考量对产业链供应链各环节和主体的影响，但很难做到面面俱到，通过AI系统可以对政策影响进行预评估，相关信息反馈可以为决策者提供更多参考。

　　AI在完善战略性矿产资源探产供储销统筹和衔接体系具有前瞻性。如今，随着AI技术的不断发展，构建我国战略性矿产资源探采供储销AI系统已经有技术基础，还是需要给予重视，不仅要实现数据的及时收集反馈以及人力物力的支持，还应有相应的政策支持和法规保护。

　　（作者单位：北京联合大学师范学院）