人工智能3.0与智能煤矿建设
智能煤矿是人工智能的一个垂直应用领域，智能煤矿建设应实现人工智能的核心要素，否则“智能”将无从谈起。因此，根据人工智能的核心要素对建设目标进行分解，明确智能煤矿的建设内容和实施步骤，是实施智能煤矿建设的一个可行方法。
（一）智能煤矿愿景与人工智能特征
国家发改委和国家能源局在2016年发布的《能源技术革命创新行动计划（2016—2030年）》中，要求“提升煤炭开发效率和智能化水平，研发高效建井和快速掘进、智能化工作面”，到2030年，“全面建成安全绿色、高效智能矿山技术体系，实现煤炭安全绿色、高效智能生产。”
国家发改委等八部委在2020年2月发布的《关于加快煤矿智能化发展的指导意见》中指出“煤矿智能化是煤炭工业高质量发展的核心技术支撑”，并确立了近期、中期、远期三个阶段目标，“推动智能化技术与煤炭产业融合发展，提升煤矿智能化水平”是智能煤矿建设必须遵循的指导思想。
目前，人工智能已历经三个发展阶段。第一代（人工智能1.0）是知识驱动方法，亦称符号主义，其核心要素是经验（知识）、算法、算力，代表性成果是专家系统。人工智能1.0虽然可以通过符号组合进行推理，但是获取知识的途径主要依赖人工，因此效率不高。
第二代（人工智能2.0）是数据驱动方法，亦称连接主义，其核心要素是数据、算法、算力。人工智能2.0虽然借助深度学习获得了巨大成功，但是深度学习的“黑箱”特性降低了其解释性和推广能力。更重要的是，深度学习处在特征空间，只能学到没有明确语义的“局部片段”，不能作为对象的内在语义表示。为此，必须以知识为引导，将感知信息从向量特征空间提升到符号语义空间。
可见，第一代和第二代人工智能均包含了算法和算力要素，第一代强调用知识去解决问题，第二代则强调从数据中发现规律。然而，机器直接学习知识虽然简单快捷，但是仅限于掌握既有知识，无法学到新的技能；从数据中慢慢提炼规律虽然能够不断进化，但有些知识可能永远无法正确学到，比如一些常识性知识。
（二）智能煤矿ACKADa建设思路
基于对人工智能要素特征和智能煤矿建设目标的认识，提出ACKADa建设思路，它以“提升煤矿智能化水平”为愿景，以“推动智能化技术与煤炭产业融合发展”为技术手段，通过构建数据设施、算力设施、算法库和知识库，实现人工智能的关键要素；通过构建一体化智煤矿管控平台和各类应用子系统，作为智能煤矿的人机协作界面和智能操控中心。
数据设施包括数据感知网络、骨干网络、自动化改造与综合接入和大数据中心，分别实现数据的分布式采集、集成传输、集中接入、统一存储，为智能计算和智能决策提供数据支持。算力设施由边缘计算资源和云计算中心组成，前者将感知节点采集的数据进行就近处理，以降低数据传输量和云计算中心的计算量；后者对全矿数据进行统一处理挖掘，并可进一步构建函括整个集团甚至整个行业的云计算中心。在实践中，云计算中心通常以大数据中心的硬件资源为基础提供各类云服务。
核心算法库将采掘、安全、机械、通信、测绘、地质等专家的研究成果模型化、算法化，比如智能设备健康诊断算法、智能综采算法、智能综掘算法、智能定位导航算法等。这些算法将原始数据或经过边缘计算资源初步处理的数据作为输入，以算力设施为载体进行智能化处理，处理结果一方面提供给知识中心，成为知识中心的习得型知识，即通过学习而获得的知识；另外一方面，还将提供给应用平台，作为决策和控制的依据。知识中心除了习得型知识外，还包括周知型知识，即已经有清晰结论的先验性知识，比如煤矿灾害有突水等6大主要类型、突水灾害发生前有哪些前兆特征、采煤机的常规推进速度、工作面三机之间的联动关系等。周知型知识一般通过手动录入获得。
智能煤矿应用平台包括一个能够进行全矿信息集中处理分析的大平台，以及若干执行分任务的小平台，比如决策指挥平台、安全生产平台、智能巡检平台、经营管理平台等。小平台通常又包括若干子系统，比如智能巡检平台可包括智能变电站巡检子系统、智能皮带运输巡检子系统、智能煤仓巡检子系统等。
智能煤矿的感知网络、传输网络和大数据中心可类比于人体的感官系统、神经系统和记忆系统，算力设施则类比于人脑的计算处理部分，算法库类比于人脑已经学会的各种处理决策模型，知识库则对应于大脑已经学到的知识。人类在工作和生活中不断积累经验变得更为聪明，而智能煤矿应用平台在数据、算力、算法和知识的支持下，对当前事件做出反馈控制，并完成自我学习和自我演化，从而变得更加智能。
