大模型驱动的矿产资源智能预测超级智能体构建方法探索

摘要

矿产资源预测是数学地球科学领域的一项重要研究内容，需使用多种软件处理跨专业地学数据，面临处理过程复杂、工作量巨大、语义难对齐等诸多问题，给研究人员带来巨大挑战。随着新一代生成式人工智能的大模型、智能体等出现，极大地推动了各行业的变革性发展，亦赋能矿产资源预测向智能预测跨越。本文提出一种大模型驱动的矿产资源智能预测超级智能体方法，以多模态大模型(如DeepSeek、通义千问)为基础底座，依托通用智能体技术创建由管理智能体和智能体群构成的超级智能体。智能体群包括地质智能体群、地球物理智能体群、地球化学智能体群、遥感智能体群等，每个智能体群含有多个单一智能体或小型智能体群，每个智能体访问具体的工具(本地自定义、网络及自动生成)、数据等。智能预测超级智能体自动感知外界发送的预测要求，由管理智能体串行或并行调用多个智能体群、单一智能体(如生成二维图)、工具(如插值)、访问数据等完成矿产资源智能化预测任务。以地球化学图生成为例，深度剖析通过智能体与大模型交互完成任务的内部运行机制，一键式智能生成一种或多种地球化学图，证明智能计算方法的有效性。通过将大模型、智能体与矿产资源预测业务三者深度融合，在输入为文字或语音时即可完成零代码的预测任务，为创建矿产资源智能预测新范式提供有益探索。

关键词

矿产资源预测 / 智能预测 / 大模型 / 大语言模型 / 智能体 / 超级智能体

基金资助

国家重点研发计划项目(2023YFC2906903,2021YFC2901801,2023YFC2907105); 国家自然科学基金重点项目(42230810); 自然资源部科技支撑项目(ZKKJ202419); 山东省地质矿产局科技攻关项目(KY202502)