AI識別出地震先兆信號？機器學習發(fā)現(xiàn)數(shù)據(jù)神秘關聯(lián)，人類有望預測地震
加入技術交流群
【導讀】10年前，「地震預測」在圈內(nèi)還是如尼斯湖水怪一般的奇談怪論，但機器學習的發(fā)展，已經(jīng)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(fā)。就在1月1日，日本突發(fā)里氏7.6級的地震，隨后陸續(xù)有災情傳出。據(jù)統(tǒng)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(jīng)在進步了。現(xiàn)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(jù)。而AI技術也成為了分辨地震信號和其他地質(zhì)學噪聲的重要工具。
地震預警
2017年9月，在墨西哥城發(fā)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(xiàn)在在全世界范圍內(nèi)普遍采用的這種地震預警系統(tǒng)，可以在潛在的破壞性地震開始后三到五秒內(nèi)，向受災地區(qū)發(fā)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(fā)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(zhuǎn)移到安全的地方。但這些預警系統(tǒng)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(fā)生了變化。2020年開始，當Hutchison開始第二次博士后研究時，她發(fā)現(xiàn)業(yè)內(nèi)的科學家對于地震預測的態(tài)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(fā)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(qū)地震發(fā)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(jù)估計，那里發(fā)生大地震的平均時間間隔在100到180年之間。根據(jù)粗略計算，第二次地震可能「遲到」了。當然，這種復發(fā)間隔可能差異會很大，樣本量僅限于人類歷史范圍內(nèi)、地質(zhì)記錄中所記載的范圍，而這些，僅僅是地球歷史上發(fā)生過的地震的極小一部分。曾經(jīng)，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(jiān)測設備。
與其他斷層沿線的地震相比，該地區(qū)發(fā)生的六次地震的間隔時間異常規(guī)律，因此美國地質(zhì)調(diào)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(fā)生。但實際上，這場地震2004年才發(fā)生，所以可以說，預測失敗了。并且，對于容易發(fā)生大地震的地區(qū)，間隔可能長達數(shù)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(zhì)調(diào)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(tǒng)。這一切的背后有重要的證據(jù)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(fā)生的事情，就不可能憑直覺理解這種秩序?！?/span>新工具，讓地震預測開始靠譜了
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(fā)現(xiàn)，地殼會以奇怪的方向緩慢移動，科學家稱之為「緩慢滑行」現(xiàn)象。
發(fā)現(xiàn)第二種奇怪的地質(zhì)運動的科學家們，在日本西南部進一步發(fā)現(xiàn)了一種被稱為「慢地震」的信號。就像常規(guī)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(xù)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(nèi)，普通地震發(fā)生的概率會大大提高。但是進一步的相關性研究發(fā)現(xiàn)，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(fā)現(xiàn)絕對的關聯(lián)，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(chǎn)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(shù)據(jù)。
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(nèi)，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(fā)生的情況。在這個模擬地震的系統(tǒng)之下，他們發(fā)現(xiàn)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(fā)震動。
而令科學家感到驚喜的是，他們發(fā)現(xiàn)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(fā)現(xiàn)應用于卡斯卡迪亞的地震數(shù)據(jù)。在地震數(shù)據(jù)中他們識別出了來自俯沖帶的連續(xù)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(shù)據(jù)模型。Johnson稱：機器學習能夠建立起一些原本不存在的關聯(lián)，而其中的一些關聯(lián)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(xiàn)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(shù)據(jù)看起來不再是雜亂無章的一堆數(shù)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(shù)據(jù)來預測地震的震級，這對地震的早期預警系統(tǒng)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(jīng)網(wǎng)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(shù)據(jù)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(zhì)調(diào)查局的研究員Margarita Segou通過機器學習識別地震數(shù)據(jù)，發(fā)現(xiàn)了可能比人類所知多10倍的地震，從而創(chuàng)建了更大的地震數(shù)據(jù)庫。
他們在2021年發(fā)表在《自然通訊》上的一篇論文中公布了他們的發(fā)現(xiàn)。這些改進的數(shù)據(jù)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(fā)生范式轉(zhuǎn)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。來源：新智元
*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權請聯(lián)系工作人員刪除。
