S&P Global
Análisis
La inteligencia artificial, en particular el aprendizaje automático, está transformando las industrias de la energía, la energía y los metales y la minería . A través de la automatización y los sistemas habilitados por IA, las empresas mineras están obteniendo ganancias en la eficiencia del procesamiento y la recuperación de metales. En los sectores de energía y energía, los avances en el aprendizaje automático y los dispositivos de monitoreo más nuevos y avanzados están permitiendo el procesamiento de cantidades cada vez mayores de datos de la red, lo que ayuda a estimar y combinar la oferta y la demanda variables y conduce a una integración más fácil de las energías renovables. En el caso del petróleo y el gas, las herramientas impulsadas por la IA están ayudando a optimizar la producción y la logística, entre otros procesos.
Metales y minería: a medida que las minas se digitalizan, los mineros utilizan tecnologías más sofisticadas. La IA está impulsando ganancias de productividad en el procesamiento de minerales, ayudando a los mineros a evitar accidentes y prolongando la vida útil de los equipos. Los operadores humanos en las salas de control de los concentradores están mejorando en la gestión de las herramientas de IA y ambos están mejorando a sí mismos. En los equipos de molienda, los sistemas habilitados por IA pueden ayudar a generar mejoras en el uso de energía y agua , y para las grandes empresas, esto puede resultar en importantes ahorros de costos. La recuperación de metales también es un área en la que los sistemas basados en IA están ayudando a generar aumentos. Sin embargo, muchos datos del sector son propietarios, lo que dificulta los modelos de formación.
De las 10 concentradoras de Freeport-McMoRan, instalaciones utilizadas en los pasos finales del procesamiento de mineral, siete tienen modelos habilitados por IA que ayudan a dirigir los flujos de entrada y otros pasos, dijo Cory Stevens, presidente de Freeport-McMoRan Mining Services, una división de minería de cobre. Freeport gigante. Freeport está implementando sistemas similares impulsados por IA en operaciones de lixiviación en pilas y, por primera vez para la compañía en una mina a cielo abierto, se volverá completamente autónomo en la operación de cobre de Bagdad en Estados Unidos.
Energía: Para el sector energético, una adopción más amplia de la IA es un arma de doble filo, ya que la creciente complejidad de los modelos de aprendizaje automático significa una mayor demanda de centros de datos y mejores herramientas para estimar y combinar la oferta y la demanda. El aumento de la demanda de los centros de datos no se debe exclusivamente al uso de la IA; Las redes neuronales y los modelos de aprendizaje profundo necesitan hardware que consuma más energía y grandes cantidades de datos para entrenar.
Stephen Oliver, vicepresidente de marketing corporativo y relaciones con inversores de Navitas Semiconductor, dijo a S&P Global Commodity Insights que existe la posibilidad de un aumento del 80 % en la demanda de energía de los centros de datos de EE. UU. entre 2023 y 2030. Es difícil separar la demanda de los centros de datos de la demanda de energía específica de la IA. , pero existen algunas estimaciones para la demanda de energía específica de la IA. Por ejemplo, Google dijo que la IA es responsable de entre el 10% y el 15% de su uso de energía.
Energía: El sector petrolero ha utilizado durante mucho tiempo el aprendizaje automático, pero hasta la computación en la nube, no era tan popular como lo es hoy. Las empresas petroleras utilizan la IA para optimizar la producción y la logística y mitigar los impactos ambientales, entre otras cosas. Pero la industria petrolera también se enfrenta a datos erróneos y obstáculos operativos, como la incapacidad de la IA generativa para discernir lagunas en la comprensión, que plantean graves riesgos en sectores críticos para la seguridad, como el petróleo y el gas. Ésta es parte de la razón por la que muchos en el sector expresan cautela.
Aun así, las tecnologías impulsadas por la IA pueden mejorar los sectores del petróleo y el gas. Empresas como Project Canary, por ejemplo, están ayudando a abordar los desafíos de emisiones de los sectores a través de tecnologías de monitoreo continuo en los pozos. Según el codirector ejecutivo Will Foiles, la IA permite a la empresa examinar exhaustivamente las emisiones en un sitio de monitoreo determinado y aislar qué emisiones divergen de las expectativas. Luego, Project Canary utiliza esta información para determinar la intensidad de metano del suministro de gas de un operador determinado.
El avance y el uso más amplio de la IA, específicamente el aprendizaje automático, están empujando a los sectores de productos básicos hacia nuevas fronteras y marcando el comienzo de una nueva era de eficiencia y monitoreo. Sin embargo, el uso generalizado de métodos de aprendizaje estadístico con uso intensivo de datos influye en la demanda y las emisiones de los centros de datos. Si bien la IA estrecha no es tan costosa, los grandes modelos de lenguaje que están ganando popularidad hoy en día consumen cantidades impactantes de electricidad, ya sea ejecutando los modelos con miles de millones de parámetros o enfriando los centros de datos. Aún así, los sectores de energía, energía y metales y minería están comenzando a darse cuenta de los beneficios potenciales de la IA.
