Il mantra dell’analisi dei big data è che i sistemi di machine learning, o più semplicemente di analytics, se messi di fronte a una enorme mole di dati possono scoprire correlazioni e trend che sfuggirebbero all’osservatore umano, fino a portare alla scoperta di minerali rari.
Un mantra che peraltro non contesta quasi più nessuno, visto che le applicazioni pratiche lo hanno confermato già da tempo in diversi campi.
Anche la prospezione geologica potrebbe guadagnarne, dato che avere a disposizione grandi risorse di calcolo e i giusti algoritmi permetterà finalmente ai geologi di sfruttare un elemento che conoscono già da tempo: ci sono precise relazioni tra i minerali presenti in uno stesso giacimento.
Non è, come accennato, niente di nuovo dal punto di vista teorico. Minerali diversi coesistono, secondo specifici pattern spaziali e temporali che sono stati studiati per decenni, all’interno di giacimenti, rocce, sedimenti e persino meteoriti.
Anche usando queste indicazioni si è andati alla ricerca di giacimenti di minerali preziosi o di petrolio. Il limite è che serve comunque una fase di prospezione per capire cosa c’è nel terreno e quindi stimare cosa potrebbe esserci: più è esteso il “campione”, più attendibile è la previsione.
L’obiettivo a cui si punta è aumentare la precisione della previsione sulla presenza di determinati minerali, portandola a una ragionevole certezza, anche con prospezioni relativamente ridotte.
Da un lato questo si ottiene con sviluppi tecnologici che non c’entrano con i Big Data e sono collegati invece alla capacità di comprendere con precisione la composizione chimica di campioni anche limitati.
Dall’altro però uno studio più approfondito delle “reti di relazioni” fra minerali, derivato proprio dagli analytics sui Big Data, permette di stimare la probabilità che un certo minerale sia presente quando se ne sono già trovati altri.
L’evoluzione del machine learning e delle piattaforme di computing può essere messa al servizio dello studio di queste reti tra minerali, una forma di network analysis che si basa su Big Data geologici raccolti in decenni di prospezioni.
Una quantità di dati che una volta le aziende di settore custodivano gelosamente ma che ora mettono a disposizione anche di terze parti, contando proprio su una condivisione di informazioni che può portare ad analisi sempre più significative.
Queste permettono poi, idealmente, di trovare giacimenti di minerali preziosi anche dove la loro presenza era stata esclusa. O dove era troppo costoso cercarli senza la ragionevole certezza di trovarli.
