W dniach 2–3 czerwca 2026 r. w Utrechcie odbyła się 2nd AI for Geological Mapping and Modelling Conference, zorganizowana przez TNO Geological Survey of the Netherlands oraz Utrecht University, przy wsparciu Dutch Research Council (NWO). Wydarzenie zgromadziło specjalistów zajmujących się wykorzystaniem sztucznej inteligencji, uczenia maszynowego oraz automatycznej analizy danych w geologii. W konferencji uczestniczył przedstawiciel Państwowego Instytutu Geologicznego – PIB dr Mirosław Kamiński z Zakładu Kartografii Geologicznej, prezentując wyniki badań nad zastosowaniem metod uczenia maszynowego w analizie aktywności osuwisk w południowej Polsce.
Program konferencji obejmował szerokie spektrum tematów związanych z cyfryzacją kartografii i modelowania geologicznego. Omawiano m.in. zastosowanie AI w interpretacji danych geofizycznych, modelowaniu 3D, analizie niepewności, poszukiwaniu surowców mineralnych, charakterystyce zbiorników geotermalnych oraz automatycznym przetwarzaniu danych archiwalnych, takich jak historyczne mapy górnicze i profile otworowe. Ważnym wątkiem była także rola dużych modeli językowych oraz metod semantycznych w przyszłości kartowania geologicznego. Uczestnicy podkreślali, że skuteczność algorytmów AI zależy przede wszystkim od jakości, kompletności i spójności danych wejściowych. Zwracano również uwagę, że sztuczna inteligencja powinna wspierać pracę geologa, a nie zastępować interpretację ekspercką.
Podczas sesji posterowej dr Mirosław Kamiński zaprezentował poster pt. „Machine-learning segmentation of ERT and DEM-of-Difference analysis for quantitative landslide activity modelling: a case study from the Dynów Foothills (southern Poland)”. Praca dotyczyła ilościowego modelowania aktywności osuwisk na Pogórzu Dynowskim z wykorzystaniem danych fotogrametrycznych, ALS LiDAR, tomografii elektrooporowej ERT oraz metod uczenia maszynowego.
Dr Mirosław Kamiński
Konferencja pokazała, że sztuczna inteligencja staje się coraz ważniejszym narzędziem w geologii, szczególnie tam, gdzie konieczna jest integracja dużych i różnorodnych zbiorów danych. Ma to szczególne znaczenie w kartografii geologicznej, w której AI umożliwia szybsze łączenie danych terenowych, otworowych, geofizycznych, teledetekcyjnych i archiwalnych.
Algorytmy mogą wspierać identyfikację granic geologicznych, wydzielanie jednostek litologicznych, analizę struktur oraz aktualizację map na podstawie nowych danych. Największą wartość mają jednak takie rozwiązania, w których sztuczna inteligencja pomaga geologowi szybciej zauważyć ważne zależności i miejsca wymagające dokładniejszej analizy. Ostateczna interpretacja danych powinna jednak nadal należeć do geologa, który ocenia wyniki na podstawie swojej wiedzy, doświadczenia i znajomości terenu.
