Amerikanska och brittiska geologer har skapat ett nytt system för konstgjord intelligens som kan förutsäga jordbävningar och har framgångsrikt testat det i en jordbävningssimulator i laboratoriet, enligt en artikel publicerad i tidskriften GRL.
”För första gången har vi kunnat använda ett maskininlärningssystem för att analysera akustiska data och förutsäga en jordbävning långt innan det faktiskt händer. Detta gör att vi får tillräckligt med tid att varna och evakuera befolkningen i tid. Det är fantastiskt vilka möjligheter konstgjord intelligens ger oss, säger Colin Humphries från University of Cambridge.
Jordbävningar och andra farliga katastrofer förknippade med jordens inre förekommer oftast vid gränserna för fel mellan tektoniska plattor, vars rörelse ofta hindras av oegentligheter i deras kanter. När plattornas rörelse stannar, samlas potentiell energi vid punkten för deras kontakt, som kan frigöras i form av värme och kraftiga skurar av akustiska vågor i det ögonblick då klipporna i dessa oregelbundenheter inte tål och bryter.
Forskare har länge försökt förstå vilka processer som styr ansamlingen av denna energi och letar också efter sätt att "se igenom" jordens inre så att vi kan lära oss om utseendet på sådana zoner av tektonisk stress och förutsäga med deras egenskaper sannolikheten, styrkan och tidpunkten för nya skakningar.
Trots enorma framsteg på detta område är sådana förutsägelser fortfarande extremt felaktiga, vilket ofta ger upphov till tvister mellan forskare och politiker som inte gillar tvetydighet. Till exempel fick seismologer som felaktigt förutspådde jordbävningens omfattning i L'Aquila i Italien 2009 verkliga fängelsestraff för”felinformation” av befolkningen och döden av cirka tre hundra människor. Detta demotiverar seismologer och andra forskare ytterligare för att göra några specifika förutsägelser för framtiden.
Enligt Humphreys är en av orsakerna till att de nuvarande jordbävningsförutsägelserna är felaktiga eller felaktiga att seismografer och andra observationsanordningar får otaliga signaler, av vilka endast några är förknippade med ansamling av energi vid gränserna till fel, medan andra genereras av andra fenomen., inte på något sätt kopplat till tektoniska processer.
I vissa fall kan dessa "hinder" slås bort - och då är prognosen ganska korrekt, och i andra fall, som katastrofen 2009, slutar misslyckande i detta avseende på ett oförutsägbart sätt.
Liknande problem, som Humphries och hans kollegor märkte, löses idag av representanter för en helt annan vetenskap - datoringenjörer som utvecklar olika system för maskininlärning och artificiell intelligens. En nyckelfunktion i moderna neurala nätverk är att de kan analysera mycket "smutsiga" data och hitta i dem vad som krävs för att lösa ett problem: till exempel för att sortera bilder av katter och hundar eller taligenkänning i ett bullriga rum.
Kampanjvideo:
Vägledd av denna idé har forskare skapat en speciell "jordbävningsemulator" vid Los Alamos National Laboratory i USA, som fullständigt imiterar vad som händer i fel när nya skakningar föds, och använde den för att lära det neurala nätverket att "se" spåren av framtida jordbävningar. i datasatsen som seismografer samlar in.
Efter en tid har maskinen lärt sig att korrekt förutsäga jordbävningar i laboratorier med mycket hög grad av noggrannhet och tillförlitlighet - enligt forskare visar det att liknande metoder kan användas för att förutsäga den verkliga seismiska situationen. Å andra sidan kan den nuvarande algoritmen, troligen, ännu inte användas för dessa ändamål, eftersom den "tränades" inte på riktiga data, utan på deras imitation, och därför kan dess prognoser vara ganska felaktiga när man arbetar i fältet.
