Według artykułu opublikowanego w czasopiśmie GRL, amerykańscy i brytyjscy geolodzy stworzyli nowy system sztucznej inteligencji zdolny do przewidywania trzęsień ziemi i pomyślnie przetestowali go w laboratoryjnym symulatorze trzęsienia ziemi.
„Po raz pierwszy mogliśmy wykorzystać system uczenia maszynowego do analizy danych akustycznych i przewidywania trzęsienia ziemi na długo przed tym, zanim faktycznie się wydarzy. Dzięki temu mamy wystarczająco dużo czasu na ostrzeżenie i ewakuację ludności w odpowiednim czasie. To niesamowite, jakie możliwości daje nam sztuczna inteligencja”- powiedział Colin Humphries z University of Cambridge.
Trzęsienia ziemi i inne niebezpieczne kataklizmy związane z wnętrzem Ziemi najczęściej występują na granicach uskoków między płytami tektonicznymi, których ruch często utrudniają nierówności na ich krawędziach. Gdy ruch płyt ustaje, w miejscu ich zetknięcia gromadzi się energia potencjalna, która może zostać uwolniona w postaci ciepła i silnych wybuchów fal akustycznych w momencie, gdy skały w tych nieregularnościach nie mogą wytrzymać i pęknąć.
Naukowcy od dawna próbują zrozumieć, jakie procesy kontrolują gromadzenie się tej energii, a także szukają sposobów „przejrzenia” wnętrza Ziemi, abyśmy mogli poznać wygląd takich stref naprężeń tektonicznych i przewidzieć prawdopodobieństwo, siłę i czas wystąpienia nowych wstrząsów na podstawie ich właściwości.
Mimo ogromnego postępu w tej dziedzinie, przewidywania takie są nadal skrajnie niedokładne, co często rodzi spory między naukowcami a politykami, którzy nie lubią niejednoznaczności. Na przykład sejsmolodzy, którzy błędnie przewidzieli wielkość trzęsienia ziemi w L'Aquili we Włoszech w 2009 roku, otrzymali prawdziwe wyroki więzienia za „dezinformację” ludności i śmierć około trzystu osób. To jeszcze bardziej demotywuje sejsmologów i innych naukowców do dokonywania jakichkolwiek konkretnych prognoz na przyszłość.
Według Humphreysa jednym z powodów, dla których obecne przewidywania trzęsień ziemi są niedokładne lub błędne, jest to, że sejsmografy i inne urządzenia obserwacyjne odbierają niezliczone sygnały, z których tylko niektóre są związane z akumulacją energii na granicach usterek, podczas gdy inne są generowane przez inne zjawiska., niezwiązane w żaden sposób z procesami tektonicznymi.
W niektórych przypadkach te „przeszkody” można wyeliminować - wtedy prognoza jest dość trafna, aw innych, jak katastrofa z 2009 roku, niepowodzenie w tym zakresie kończy się w nieprzewidywalny sposób.
Podobne problemy, jak zauważył Humphries i jego koledzy, rozwiązują dziś przedstawiciele zupełnie innej nauki - inżynierowie informatyczni, którzy rozwijają różne systemy uczenia maszynowego i sztucznej inteligencji. Kluczową cechą nowoczesnych sieci neuronowych jest to, że potrafią analizować bardzo „brudne” dane i znaleźć w nich to, co jest potrzebne do rozwiązania problemu: na przykład do sortowania zdjęć kotów i psów lub rozpoznawania mowy w hałaśliwym pomieszczeniu.
Film promocyjny:
Kierując się tym pomysłem, naukowcy stworzyli specjalny „emulator trzęsień ziemi” w Los Alamos National Laboratory w USA, który całkowicie imituje to, co dzieje się w usterkach, kiedy rodzą się nowe wstrząsy, i użył go do nauczenia sieci neuronowej „widzenia” śladów przyszłych trzęsień ziemi. w zbiorze danych gromadzonym przez sejsmografy.
Po pewnym czasie maszyna nauczyła się poprawnie przewidywać „laboratoryjne” trzęsienia ziemi z bardzo dużą dokładnością i niezawodnością - to zdaniem naukowców pokazuje, że podobne metody można zastosować do przewidywania rzeczywistej sytuacji sejsmicznej. Z drugiej strony, obecny algorytm najprawdopodobniej nie może jeszcze zostać użyty do tych celów, ponieważ został „wyszkolony” nie na rzeczywistych danych, ale na ich imitacji, dlatego jego prognozy mogą być raczej niedokładne podczas pracy w terenie.