美國洛斯阿拉莫斯國家實驗室的科學(xué)家們正在利用人工智能預(yù)測地震。

無數(shù)資金以及無數(shù)研究人員的科研生涯都奉獻給了預(yù)測下一次大地震將在何時何地發(fā)生。但地震預(yù)測與天氣預(yù)報不同，天氣預(yù)報通過使用更好的衛(wèi)星和更強大的數(shù)學(xué)模型得到了顯著改善，而地震預(yù)測則因反復(fù)失敗而停滯不前。

全球最具破壞性的部分地震發(fā)生在地震危害性地圖（seismic hazard map）認為相對安全的地方，例如2008年的中國汶川地震、2010年的海地地震和2011年的日本地震。

現(xiàn)在，在人工智能的幫助下，越來越多的科學(xué)家表示，他們分析海量地震數(shù)據(jù)的方式發(fā)生了變化，這可以幫助他們更好地了解地震、預(yù)測地震的行為以及提供更快速、更準確的早期預(yù)警。

“我在職業(yè)生涯中第一次對我們能在這個問題上取得進展懷有真切的希望，”洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）的研究人員保羅·約翰遜（Paul Johnson）表示，他在本研究領(lǐng)域處于前沿地位。

科學(xué)家們對于過去失敗的地震預(yù)測案例有著十分清楚的認知，因此，在被問及他們使用人工智能取得了多大進展時，他們總是持謹慎態(tài)度。該領(lǐng)域的部分人士將預(yù)測（predicTIon）稱為“P字”，因為他們甚至不想暗示它是可能的。但他們表示，其中一個重要目標(biāo)是能夠提供可靠的預(yù)測。例如，地震危害性地圖上提供的地震概率具有至關(guān)重要的影響，特別是在指導(dǎo)工程師如何構(gòu)造建筑物方面。批評者稱這些地圖非常不準確。

一份洛杉磯的地圖列出了地震在給定時間周期（通常為50年）內(nèi)產(chǎn)生強烈震動的概率。此概率基于一個復(fù)雜的公式，該公式在其他因素以外，還將相對斷層的距離、斷層的一側(cè)移過另一側(cè)的速度以及該區(qū)域內(nèi)的地震重復(fù)周期考慮在內(nèi)。

美國地質(zhì)調(diào)查局（United States Geological Survey）的地質(zhì)學(xué)家凱瑟琳·M·施里爾（Katherine M. Scharer）主持了一項研究，該研究對可追溯到公元八世紀的圣安德列斯（San Andreas）斷層南加州部分之前發(fā)生的九次地震的日期進行了估算，圣安德列斯斷層上的最近一次大地震發(fā)生在1857年。

由于這些大地震之間的平均時間間隔為135年，然而地震之間的時間間隔十分多變（從44年到305年），取平均值并不是非常有用的預(yù)測工具。大地震可能會在明天發(fā)生，也可能會在一個半世紀或更長時間以后發(fā)生。這正是加州大學(xué)伯克利分校（University of California， Berkeley）數(shù)學(xué)和物理科學(xué)系副院長菲利普·史塔克（PhilipStark）的批評意見之一。史塔克博士將整個地震概率系統(tǒng)稱之為“介于無意義和誤導(dǎo)之間”，并呼吁將其廢棄。

與人工智能相關(guān)的新地震研究依賴于神經(jīng)網(wǎng)絡(luò)，正是這種技術(shù)加速了從語音數(shù)字助理到無人駕駛汽車等各方面的進步。神經(jīng)網(wǎng)絡(luò)對人腦中的神經(jīng)元網(wǎng)絡(luò)進行松散建模，它是一個復(fù)雜的數(shù)學(xué)系統(tǒng)，可以自行學(xué)習(xí)任務(wù)。

科學(xué)家表示，地震數(shù)據(jù)與谷歌和亞馬遜等公司用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)識別Alexa等家用數(shù)字助理所接收的語音命令的音頻數(shù)據(jù)非常相似。在研究地震時，由計算機尋找海量數(shù)據(jù)中的模式，而不是依靠科學(xué)家疲憊的雙眼進行尋找。

“我們擁有的是一系列的地動測量數(shù)據(jù)，而不是一系列的單詞，”加州理工學(xué)院（California InsTItute of Technology）地震學(xué)實驗室（Seismological Laboratory）的研究人員扎卡里·羅斯（Zachary Ross）說道，他正在探索這些人工智能技術(shù)。“我們正在尋找這些數(shù)據(jù)中的同類模式。”

在處于人工智能研究前沿地位的谷歌公司休完假后，哈佛大學(xué)地球與行星科學(xué)系教授布倫丹·米德（Brendan Meade）開始探索這些技術(shù)。他的第一個項目表明，這些機器學(xué)習(xí)方法至少可以大幅加速他的實驗。他和他的研究生使用神經(jīng)網(wǎng)絡(luò)運行地震分析，速度比過去快500倍。過去需要幾天時間才能完成的分析現(xiàn)在只需要花費幾分鐘時間。

米德博士還發(fā)現(xiàn)，這些人工智能技術(shù)可以帶來新的見解。2018年秋天，他與來自谷歌和哈佛大學(xué)的其他研究人員一起發(fā)表了一篇論文，展示了神經(jīng)網(wǎng)絡(luò)如何預(yù)測地震余震。他認為，這種項目代表了地震科學(xué)研究方式的巨大轉(zhuǎn)變。類似的工作正在加州理工學(xué)院和斯坦福大學(xué)等機構(gòu)開展。羅斯博士說道：“我們正處于技術(shù)可以做得和人類專家一樣好，甚至做得比人類專家更好的轉(zhuǎn)折點。”

人們之所以持謹慎樂觀態(tài)度是因為他們相信：隨著傳感器變得越來越小和越來越便宜，科學(xué)家們將能夠收集更多的地震數(shù)據(jù)。借助神經(jīng)網(wǎng)絡(luò)和類似的人工智能技術(shù)，他們希望從所有這些數(shù)據(jù)中收集新的見解。

羅斯博士和加州理工學(xué)院的其他研究人員正在利用這些技術(shù)建立能夠在地震發(fā)生時進行更加準確的識別，并預(yù)測震中位置和震動蔓延方向的系統(tǒng)。日本和墨西哥都有早期預(yù)警系統(tǒng)，加利福尼亞州則剛剛推出了自己的早期預(yù)警系統(tǒng)。但科學(xué)家表示，人工智能可以極大地提高其準確性，幫助預(yù)測地殼破裂的方向和強度，并向醫(yī)院和其他能夠從幾秒鐘的額外準備時間中獲益的機構(gòu)提供早期預(yù)警。“你擁有的細節(jié)越多，你的預(yù)測就越精確，”羅斯博士說道。

從事這些項目的科學(xué)家表示，神經(jīng)網(wǎng)絡(luò)有其局限性。盡管它們擅長在數(shù)據(jù)中發(fā)現(xiàn)熟悉的信號，但它們并不一定適合尋找新類型的信號，例如構(gòu)造板塊研磨在一起時發(fā)出的聲音。

但在洛斯阿拉莫斯，約翰遜博士及其同事已經(jīng)證明，一種稱為“隨機森林”（random forest）的機器學(xué)習(xí)技術(shù)可以識別實驗室內(nèi)創(chuàng)建的模擬斷層中之前未知的信號。在一個案例中，他們的系統(tǒng)表明，由斷層制造但科學(xué)家之前認為毫無意義的某個特定聲音實際上是地震何時到來的指示。

東京大學(xué)（University of Tokyo）地震學(xué)家羅伯特·蓋勒（Robert Geller）等部分科學(xué)家不相信人工智能將改善地震預(yù)測。他質(zhì)疑過去的地震可以預(yù)測未來的地震這一前提。最后，他表示，只有在我們可以超出隨機范圍預(yù)測地震何時發(fā)生時，我們才能知道人工智能預(yù)測的效果到底如何?！皼]有捷徑可走，”蓋勒博士說道?！叭绻銦o法預(yù)測未來，那么你的假設(shè)就是錯的?！?/p>