过去50年来,全球矿产品需求急剧增长,随着人类社会对矿产资源需求的不断增加,地表矿、浅部矿的日益减少,地质找矿难度日益增大且找矿效果日益降低,深部矿成为许多国家和地区找寻的主要对象,这使得矿产资源勘查面临着新形式。在大数据时代到来的背景下,人工智能技术能够快速、精确地处理分析矿产勘查工作产生的报告、图件等海量数字化信息,大幅提升勘探效率,缩小勘探范围,降低勘探成本,发现一些被传统的逻辑或方法忽视的信息,发现新的隐伏矿床。据欧洲科学数据分析企业Startus-Insights的统计,截至2020年9月,全球共有88家利用人工智能技术进行矿产勘查的初创企业,主要位于澳大利亚、加拿大等国,主要应用方向包括:（1）基于人工智能技术的自动图像识别,开展镜下照片、岩心照片等的快速分析,以识别矿物、沉积构造等并生成相关数据;（2）基于机器学习技术、专家系统的大数据综合分析,开展数据建模并预测成矿远景区/找矿靶区。在图像识别方面,DataRock开发了基于机器学习和云技术的图像分析平台,截至2020年6月已累积处理了超过100万米的岩心图像;Geolearn推出了基于人工智能技术自动描述岩心的软件,在相关研究中准确识别到了加拿大Lalor锌铜金矿床中金含量高于1克/吨的区域;IOSServices Géoscientifiques基于机器学习算法和计算机视觉开发了显微矿物自动识别技术,已在全球不同地区和国家广泛应用。在成矿预测方面,EarthAI基于澳大利亚的公开历史数据和人工智能算法进行训练,能够在数据匮乏的绿地项目中进行成矿预测;Goldspot Discoveries基于其开发的机器学习预测技术,在加拿大魁北克省Abitibi地区选定了总地表面积4%的地区的地质、地形和矿物数据,识别出了该地区86%的已发现金矿床并圈定了新的找矿靶区;Minerva Intelligence的人工智能认知系统软件根据已有数据在加拿大Yukon地区识别出了涵盖54种矿床类型的上百个新的找矿靶区。虽然人工智能技术已被很多企业应用至矿产勘查领域,但现阶段在数据标准化、训练数据集、算法选择等方面仍存在一些亟待解决的问题,有待进一步研究及应用。