Una bobina de cobre de 35 metros colgaba del helicóptero, enviando ondas electromagnéticas a la tierra y creando corrientes en las rocas a gran profundidad. Cualquier buen conductor eléctrico enviaba señales reveladoras a la bobina receptora de que las rocas podrían contener valiosos depósitos de níquel y cobalto, metales utilizados en las baterías de los teléfonos móviles, ordenadores portátiles y coches eléctricos.
nCuando el piloto terminaba de escanear una franja de terreno (en un buen día, el helicóptero recorría más de 160 kilómetros), los datos se transmitían vía satélite a los científicos de KoBold que trabajaban en oficinas a miles de kilómetros de distancia. Estos investigadores introducían los nuevos datos en los modelos de aprendizaje automático, que los combinaban con montones de otros datos que la empresa había reunido para mejorar los conocimientos de la geología de la región. Finalmente, toda esta información llegaba a un sistema de inteligencia artificial (IA) que KoBold había desarrollado en asociación con la Universidad de Stanford (EE. UU.). El sistema se basa en un enorme poder computacional para asesorar al equipo sobre los mejores lugares para explorar.
nUsando esta serie de herramientas de software de alta tecnología, la empresa de exploración minera con sede en San Francisco (EE. UU.), respaldada por Bill Gates y Jeff Bezos, puede cambiar sus planes de estudio aéreo cada día para localizar más rápidamente los lugares prometedores para perforar.
nEs una forma bastante diferente de cómo los geólogos buscaban tradicionalmente los yacimientos de minerales, recogiendo datos de campo y analizándolos cuando terminaba la temporada de exploración.
nMientras los métodos convencionales se basaban completamente en la interpretación humana, en la actualidad, la ciencia de datos y el aprendizaje automático se están convirtiendo en una parte más importante del esfuerzo por encontrar el próximo gran descubrimiento subterráneo. Los inversores de Silicon Valley (EE. UU.) ya saben que los metales que respaldan la tecnología mode a son cada vez más difíciles de encontrar a medida que la demanda del sector de las energías limpias crece exponencialmente, y ya apuestan a que las empresas como KoBold pueden ayudar al negocio minero a mantenerse al día, acelerando el descubrimiento de nuevos minerales y reduciendo sus costes.
nIndependientemente de si esa corazonada resulta correcta o no, los expertos creen que la participación de las principales empresas tecnológicas podría llamar la atención sobre la falta de inversión en nuevas minas y quizás atraer los fondos necesarios para las start-ups que esperan conseguir metales de una manera más respetuosa con el medio ambiente y socialmente responsable.
n"Cuando la gente piensa en los vehículos eléctricos, es fácil olvidarse de las materias primas que alimentan el producto brillante que vemos en las salas de exposición", resalta el analista del sector minero de la empresa de investigación energética BloombergNEF, Kwasi Ampofo.
nMás difícil de encontrar
nSe espera que la demanda de metales y minerales como el litio, el cobalto, el grafito y el níquel, todos utilizados en baterías que alimentan los vehículos eléctricos y la red, aumente en los próximos años. Un informe de la Agencia Inte acional de Energía publicado en mayo descubrió que el uso de tecnologías de energía limpia al ritmo necesario para evitar 2 ˚C de calentamiento global aumentará más de treinta veces la demanda de minerales utilizados en el almacenamiento de energía hasta 2040.
nPero el sector minero no va a ese ritmo. Se puede tardar más de una década en poner en funcionamiento minas nuevas hasta que la empresa consiga los derechos y permisos. Descubrir el mejor lugar para cavar puede llevar aún más tiempo: los nuevos yacimientos de minerales son cada vez más difíciles de detectar ya que la mayoría de los de alta ley fácilmente identificables ya se han encontrado y la inversión en la exploración sigue disminuyendo. Una regla general en el campo es que solo uno de cada 100 sitios evaluados será un yacimiento que se pueda explotar de manera rentable. Pero algunos expertos creen que en la realidad esa regla está más cerca de uno de cada 1.000.
nLas herramientas de ciencia de datos como el aprendizaje automático, en el que los algoritmos están entrenados para examinar conjuntos de datos masivos y detectar patrones, tienen el potencial de acelerar enormemente el proceso de descubrimiento. Cada vez más, las empresas mineras utilizan estos sistemas para analizar conjuntos de datos sobre la geología, geoquímica y geofísica a la vez, con la esperanza de detectar correlaciones que no serían tan evidentes para el ojo humano.
nAl combinar este enfoque con la herramienta de toma de decisiones de inteligencia artificial desarrollada por la Universidad de Stanford, KoBold apuesta a que puede aumentar las tasas de descubrimiento en un factor de 20, según el director de tecnología de la empresa, Josh Goldman. KoBold afirma que el enfoque también reducirá el impacto ambiental de la exploración porque significará menos perforaciones en vano.
nA diferencia de varias otras empresas de ciencias de datos que se dedican a la minería, Kobold no vende un servicio. En cambio, está desarrollando herramientas de software para su propio trabajo exploratorio, lo que significa que KoBold puede decidir dónde ocurrirá la exploración. Y la empresa afirma que lo hará solo en áreas donde pueda realizarlo de manera ética y con el apoyo de la comunidad.
n
Foto: Los trabajadores de KoBold sobre el campo preparándose para un estudio aéreo. Créditos: Kobold
nAunque aún queda por ver si KoBold puede cumplir las promesas de mejores tasas de descubrimiento y de operaciones mineras más limpias, su argumento comercial ha calado entre los inversores. La empresa, fundada en 2018 y con cerca de dos docenas de científicos de datos y geólogos, ha recaudado decenas de millones de euros de Breakthrough Energy Ventures, el fondo de tecnología climática que cuenta con Bill Gates, Jeff Bezos y Richard Branson entre sus inversores y miembros de junta, y también de Andreessen Horowitz, la empresa de capital de riesgo líder de Silicon Valley. A principios de 2021, la petrolera estatal noruega Equinor compró acciones de KoBold y prometió más fondos adicionales a través de su filial de capital de riesgo, que invierte en las empresas que trabajan para un futuro con bajas emisiones de carbono.
nEl miembro del comité de inversiones de Breakthrough Energy Ventures Carmichael Roberts afirma: "Invertimos en KoBold Metals para ayudar a resolver el crítico problema de encontrar y producir las grandes cantidades de materiales clave para las baterías que necesitamos para electrificar el planeta". Se prevé una posible escasez de cobalto y níquel en la próxima década. La minería de cobalto y níquel comparte un problemático historial de abusos ambientales y contra los derechos humanos, lo que ejerce presión sobre las mayores empresas tecnológicas para encontrar fuentes más éticas.
nLa empresa tiene dos explotaciones mineras conocidas públicamente, una en Quebec y otra al norte de Saskatchewan (Canadá), donde este verano realiza trabajo de campo exploratorio desde aire y en el terreno. También trabaja en una tercera propiedad no revelada en Canadá y en sitios no especificados en Zambia y Australia occidental, ha resaltado Goldman.
nParte de la razón por la que la empresa ha centrado sus esfuerzos iniciales en Canadá es que el país tiene grandes cantidades de datos topográficos en el dominio público, incluidos informes descriptivos de campo, viejos mapas geológicos, datos geoquímicos sobre las muestras de perforaciones, datos magnéticos y electromagnéticos desde el aire, lecturas LIDAR e imágenes de satélite que abarcan muchas décadas de exploración.
nGoldman explica: "Tenemos un sistema en el que podemos usar todos estos datos y almacenarlos en formatos estándar, controlar su calidad, facilitar su búsqueda y acceder a ellos de forma programada".
nImpulso de la alta tecnología
nDespués de recoger toda la información disponible para un sitio, el equipo de KoBold explora los datos mediante aprendizaje automático. La empresa podría, por ejemplo, construir un modelo para predecir qué partes de los depósitos de minerales tienen las concentraciones más altas de cobalto, o crear un nuevo mapa geológico de una región que muestre los diferentes tipos de rocas y estructuras. Puede añadir nuevos datos a estos modelos a medida que se recogen, lo que permite a KoBold cambiar de forma adaptativa su estrategia de exploración "casi en tiempo real", asegura Goldman.
n
Foto: Canadá hace públicos los conjuntos de datos y otra información, como esta imagen generada por LIDAR de Saskatchewan. Créditos: Gobie o de Canadá
KoBold ya ha utilizado la información de los modelos de aprendizaje automático para adquirir sus explotaciones mineras canadienses y desarrollar sus programas de campo. Su colaboración con el Centro de Pronóstico de Recursos Terrestres de la Universidad de Stanford, iniciada en febrero, añade una capa adicional de análisis a esa combinación en forma de un "agente de decisión" de inteligencia artificial que puede trazar un plan completo de exploración.
nEl geocientífico de la Universidad de Stanford Jef Caers, que supervisa esta colaboración, explica que este agente digital responsable de la toma de decisiones mide la incertidumbre de los resultados del modelo de KoBold y luego diseña un plan de recogida de datos para reducir secuencialmente esa incertidumbre. Como un jugador de ajedrez que intenta ganar una partida en el menor número de movimientos posible, la IA tiene como objetivo ayudar a KoBold a tomar una decisión sobre un esfuerzo mínimo, ya sea que esa decisión sea perforar en un lugar concreto o alejarse.
nEl geólogo de exploración que ha escrito sobre las aplicaciones mineras del aprendizaje automático y ha dado conferencias acerca del mismo tema Guy Desha ais afirma que hay una "gran cantidad de valor" en el uso de este tipo de herramientas para reunir y analizar muchos conjuntos de datos a la vez. Pero también advierte que hay "muchas salvedades" sobre si el aprendizaje automático puede dar saltos intuitivos o tomar decisiones inteligentes.
nLos datos geológicos suelen ser muy irregulares tanto en el espacio como en el tiempo, y esta irregularidad, junto con la calidad inconsistente de los datos, puede provocar que los modelos se adhieran a señales falsas o hagan conclusiones incorrectas. Es más, debido a que los yacimientos de minerales de alta calidad son raros, los geólogos a menudo no tienen muchos ejemplos positivos de lo que están buscando para entrenar un algoritmo que detecte otros similares.
n"Al final, el verdadero trabajo de encontrar el yacimiento lo hará un geólogo humano que usará esas herramientas para mejorar su capacidad", resalta Desha ais.
nPuede ser difícil saber si el aprendizaje automático u otras herramientas de inteligencia artificial están ayudando a los humanos a descubrir algo que no encontrarían por sí solos, reconoce la geóloga de exploración Holly Bridgwater de Unearthed, la organización australiana que organiza hackatones y otros esfuerzos para promover la innovación en el sector de los recursos. Explica que solo se ponen a prueba unos pocos posibles objetivos mineros seleccionados, porque el proceso es muy costoso. "Obtener ese ciclo positivo de feedback de lo que realmente funciona es un desafío", destaca la geóloga.
nPero, aunque cree que será difícil para KoBold demostrar que sus herramientas están mejorando 20 veces más las tasas de descubrimiento de minerales, también opina que el objetivo de la compañía es razonable. Y afirma: "Creo que es muy plausible porque nuestra tasa de aciertos es muy mala".
nAmpofo, el analista de minería de BloombergNEF, considera que el simbolismo de una start-up tecnológica bien financiada que entra al sector minero puede ser más significativo que cualquier metal que descubra KoBold.
nDesha ais coincide: "Creo que el mayor impacto de una empresa como KoBold es que llamará la atención sobre la falta de inversión. Podrán recaudar dinero donde otras personas no han podido, para sacar nuevos datos o actualizar los antiguos y, en efecto, encontrar algo nuevo".
n