FMIFAwards獎項即將揭曉！
來源：X增強現實FMIF Awards未來元宇宙創新獎是由未來元宇宙創新論壇、ARinChina以及多家投資機構、媒體、研究院聯合發起的一項評選活動。旨在推動新技術的融合與集成低成本
新智元報道
編輯：編輯部
【新智元導讀】10 年前，「地震預測」在圈內還是如尼斯湖水怪一般的奇談怪論，但機器學習的發展，已經讓「準確預測地震」的可能性，又往前邁進了一步。
最近一段時間，世界各地地震頻發。
就在 1 月 1 日，日本突發里氏 7.6 級的地震，隨后陸續有災情傳出。據統計，目前至少已有 62 人死亡。
而下面這個問題，也再一次被提起：人類究竟什么時候能及時預測地震呢？
別急，已經在進步了。
現在，在用 AI 和其他技術及時預測地震這個方向，研究者取得了不少突破。
科學家通過機器學習來研究斷層線的「慢地震」（預示地震到來的有用指標）信號，有望能作為準確預測地震的科學依據。
而 AI 技術也成為了分辨地震信號和其他地質學噪聲的重要工具。
2017 年 9 月，在墨西哥城發生 8.2 級地震前約兩分鐘，刺耳的警報器提醒居民地震即將來臨。
現在在全世界范圍內普遍采用的這種地震預警系統，可以在潛在的破壞性地震開始后三到五秒內，向受災地區發出響亮的信號。
首先，靠近斷層的地震儀可以捕捉到地震的開始，精細編程的算法會確定震級可能的大小。
如果是中型或大型地震，發出的警報會比地震本身傳播得更快，從而提供幾秒鐘到幾分鐘窗口期。
這個時間窗口至關重要：就在這短短的幾秒鐘到幾分鐘，人們可以關閉電力和天然氣管道，將消防車移到街道上，轉移到安全的地方。
但這些預警系統有局限性，存在誤報和漏報的情況。
更重要的是，它的作用只是預警，并不是預測。
「地震預測」，不再是無稽之談預測地震，是一件極其困難的事。
但這幾年，開始有了希望的苗頭。
本文作者地震學博士 Allie Hutchison 表示，2013 年當自己開始攻讀地震學博士學位時，預測地震這個話題顯得很不嚴肅，仿佛尋找尼斯湖水怪一樣，不屬于主流研究的范疇。
但僅僅七年后，很多事情都發生了變化。
2020 年開始，當 Hutchison 開始第二次博士后研究時，她發現業內的科學家對于地震預測的態度更為開放了。
她所在的項目 Tectonic 正是使用機器學習來推進地震預測的。歐洲研究委員會深信這個項目的潛力，提供了為期四年、340 萬歐元的捐款資助。
如今，許多備受尊敬的科學家，都在各自的子領域中取得了進展。
比如一種沿著斷層線的「慢地震」行為（預示地震到來的有用指標），以及地震噪聲。
但仍然很困難預測地震之所以如此困難，是因為專家們能知道的事情實在是太少了。
20 世紀 60 年代，板塊構造理論就被廣泛接受了，但幾十年后，人們對于地震成因的理解，也只是應力累積到臨界閾值，就會通過地震釋放。
但對于沿著給定斷層線正在發生什么，專家們基本上一無所知。
他們可以通過使用地震波和繪制地震位置來構建斷層的近似地圖，但無法直接測量它所承受的應力，也無法量化地面移動的閾值。
在地震預測上能做到的最好的事，就是了解特定地區地震發生的頻率。
比如，上一次導致加州圣安德烈亞斯斷層南部全長斷裂的地震是在 1857 年。
據估計，那里發生大地震的平均時間間隔在 100 到 180 年之間。根據粗略計算，第二次地震可能「遲到」了。
當然，這種復發間隔可能差異會很大，樣本量僅限于人類歷史范圍內、地質記錄中所記載的范圍，而這些，僅僅是地球歷史上發生過的地震的極小一部分。
曾經，專家們一度非常有信心。
1985 年，科學家沿著加州中部圣安德烈亞斯斷層的帕克菲爾德部分安裝了地震儀和其他地震監測設備。
與其他斷層沿線的地震相比，該地區發生的六次地震的間隔時間異常規律，因此美國地質調查局的科學家非常有信心地預測，下一次類似震級的地震將在 1993 年之前發生。
但實際上，這場地震 2004 年才發生，所以可以說，預測失敗了。
并且，對于容易發生大地震的地區，間隔可能長達數百年，不確定性如此之大，這種預測方法基本是不靠譜的。
對此，加州理工學院地球物理學家、美國地質調查局前高級科學家 Tom Heaton 就曾這樣懷疑：我們根本無法預測地震。
在他眼里，地震很大程度上是隨機過程 —— 我們可以把概率附加到事件上，但無法準確預測。
「從物理學的角度來看，這是一個混沌系統。這一切的背后有重要的證據表明地球的行為是有序的和確定性的。但如果不充分了解地下發生的事情，就不可能憑直覺理解這種秩序。」
新工具，讓地震預測開始靠譜了長時間以來，地震預測甚至帶有一絲偽科學的意思，直到在 2000 年之后，兩項發現才開啟了預測地震的可能性。
第一個發現，是地震科學家在日本西南部發現的一種奇怪的低振幅信號。這種信號往往會持續幾個小時到幾周，科學家們將之稱為「構造震顫」。
第二種可能和地震相關的信號，就是卡斯卡迪亞俯沖帶的大地測量學家發現，地殼會以奇怪的方向緩慢移動，科學家稱之為「緩慢滑行」現象。
發現第二種奇怪的地質運動的科學家們，在日本西南部進一步發現了一種被稱為「慢地震」的信號。
就像常規地震一樣，這種慢地震能讓地殼中的應力重新分布。
但是這種「慢地震」持續的時間會很長，最長可能長達幾年時間。
而在這種「慢地震」期間內，普通地震發生的概率會大大提高。
但是進一步的相關性研究發現，這種「慢地震」之后只是很可能伴隨普通地震，但結論并不絕對。
雖然科學家在「慢地震」和普通地震之間沒有發現絕對的關聯，但是有科學家認為：
可能地震的前兆信號就隱藏在其中，只是我們還沒有辦法足夠好的測量出這種前兆信號。
而在這些復雜的信號中提取有用的信息，就是 AI 能產生作用的地方了。
AI 能從噪音中尋找真正的地震信號2017 年，新墨西哥州洛斯阿拉莫斯國家實驗室的 Paul Johnson 開始使用機器學習來理解地震的數據。
他建立了一個人工模擬地震的實驗室，用各種方法來模擬地震。
比如將巖石樣本放置在金屬框架內，將其中心切開以模擬斷層，并將其置于圍壓下，讓局部傳感器測量樣品變形時發生的情況。
在這個模擬地震的系統之下，他們發現機器學習可以幫助研究人員預測人為開始制造的斷層需要多長時間能引發震動。
而令科學家感到驚喜的是，他們發現先前很多認為是噪聲的信號，卻被機器學習認為是可以做出預測的主要信號。
然后，Johnson 開始將這些發現應用于卡斯卡迪亞的地震數據。在地震數據中他們識別出了來自俯沖帶的連續的信號。
這些「慢地震」信號開始讓科學家可以重新建立一個地震數據模型。
Johnson 稱：
機器學習能夠建立起一些原本不存在的關聯，而其中的一些關聯讓人感到非常驚喜。
科學家們，在用 AI 做出嘗試而除此之外，還有其他很多科學家，也在通過不同方式來使用機器學習，對地震進行研究。
雖然現在相關研究還處于早期階段，但機器學習方法可以揭示隱藏的結構和因果關系，讓數據看起來不再是雜亂無章的一堆數字。
斯坦福大學的 Mostafa Mousavi 和 Gregory Beroza 等科學家，在研究如何使用機器學習來用單個地震臺的地震數據來預測地震的震級，這對地震的早期預警系統來說非常有用。
哈佛大學地球與行星科學教授 Brendan Meade 能夠使用神經網絡預測余震的位置。加州理工學院的 Zachary Ross 和其他研究人員使用深度學習技術從噪聲水平很高的數據中分辨出地震信號，從而使得科學家檢測出更多的地震。
Beroza、Mousavi 和英國地質調查局的研究員 Margarita Segou 通過機器學習識別地震數據，發現了可能比人類所知多 10 倍的地震，從而創建了更大的地震數據庫。
他們在 2021 年發表在《自然通訊》上的一篇論文中公布了他們的發現。這些改進的數據集可以幫助人類和機器更好地理解地震。
肉眼可見的是，地震預測正在發生范式轉變。
或許我們還需要幾十年的時間，來確定這一時期地震研究的意義，以及是否具有革命性的作用。
可以確定的是，AI 確實讓某些東西變得不一樣了。
參考資料：
https://www.technologyreview.com/2023/12/29/1084699/machine-learning-earthquake-prediction-ai-artificial-intelligence/
本文來自微信公眾號：新智元 （ID：AI_era）
本文鏈接：http://www.www897cc.com/showinfo-45-3139-0.htmlAI 識別出地震先兆信號？機器學習發現數據神秘關聯
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號