علوم زمین حوزه ای از علوم با اهمیت ویژه است که برای بسیاری از مسائل پیش روی بشر و سیاره ما به راه حلهایی اساسی نیاز دارد. با ورود به عصر داده های بزرگ، یادگیری ماشین (ML)، که در حوزه های تجاری بسیار موفق بوده است، پتانسیل بسیار بزرگی را برای کمک به مشکلات در علوم زمین ارائه می دهد.
اگر بودجه بی پایانی وجود داشته باشد، اکتشافات از وجه نظری می توانند به عنوان یک بازی شانس انجام شود و برای کاوش متکی به شانس هستند. نباید تعجب کرد که شرکتهای معدنی تمایلی به انجام این کار ندارند و حتی بزرگترین شرکت تمایل دارد پیش از اجرای کاوش، هزینه های مربوط به آن را محدود نماید.
اگر کانی سازی عیار بالقوه اقتصادی در طول حفاری مرحله کاوش در چندین گمانه قرار گیرد، بررسیها به سمت مشخص کردن منابع و تعریف مراحل حفاری بررسی پیشروی می نماید.
صنایع معدنی عمده ترین مصالحی که ما برای ساخت و تولید روزانه زیرساختها و تجهیزات، برای بدست آوردن مقادیر زیادی از انرژی، و تامین کود کشاورزی برای تولید مواد غذایی، نیاز داریم را فراهم می سازند. برای رسیدن به این جایگاه معدنکاری فلزی در طی قرنها به طور پیوسته با خیزهای ناگهانی برای چند ماده معدنی مانند نقره، طلا، رادیم و .. افزایش داشته است.
حفاری روش اصلی کاوش و ارزیابی مورد استفاده در اکتشاف و نیز در خلال مراحل مختلف توسعه معدن و انتهای پی جویی می باشد، چرا که به سادگی قادر به فراهم نمودن ابزارهای کارآمد و مقرون به صرفه تعداد زیادی نمونه زیر سطحی است. پس از کاوش، با پیشرفت اکتشاف کانه های معدنی از طریق مراحل مطالعه معدنکاری، هدف حفاری از تشریح یک منبع اولیه به تعریف دقیق منابع با استفاده از حفاری تبدیل می گردد.