來源： 譯言
明天就是玉樹地震七周年紀念日，地震究竟有沒有可能預測？這對于科學家來說，仍然是一個永恒的問題。下面這篇文章來自《科學美國人》（Scientific American），這本創(chuàng)刊自1845年的雜志是美國老牌科普雜志，許多具聲譽的科學家都曾投稿發(fā)表于該刊物。該刊物亦是美國境內(nèi)最古老的連續(xù)出版月刊雜志。
地震預測堪稱地震學的圣杯。畢竟，地震是致命的，正是因為它們是不穩(wěn)定的——沒有警告，觸發(fā)火災和海嘯，有時會造成數(shù)十萬人死亡。如果科學家可以提前幾個星期或幾個月向公眾發(fā)出警告，那么當大型地震來臨，撤離和其他準備工作可以挽救無數(shù)生命。
到目前為止，沒有人找到可靠的方法來預測地震，盡管許多科學家已經(jīng)做過相關嘗試。有專家認為這是一個令人絕望的嘗試。洛斯阿拉莫斯國家實驗室的地球物理學家保羅·約翰遜（Paul Johnson）說：“如果你說你認為你會在地震預測上取得進展，別人會說你是傻子。但他仍在堅持，他認為，有一個強大的工具可能會解決這個不可能的難題：人工智能。
世界各地的研究人員花費了數(shù)十年的時間研究他們認為可以可靠地預測地震的各種現(xiàn)象：前震、電磁干擾、地下水化學變化……甚至不尋常的動物行為。但是這些都沒有持續(xù)奏效。數(shù)學家和物理學家甚至試圖在20世紀80年代和90年代應用機器學習來預測地震，也沒有效果。哥倫比亞大學拉蒙特多赫蒂地球觀測站的地震學家克里斯·斯科爾茨（Chris Scholz）說：“整個課題都還有待解決。
但是，技術改進的機器學習算法和超級計算機的進步及其存儲和處理大量數(shù)據(jù)的能力現(xiàn)在賦予了保羅·約翰遜的團隊使用人工智能方面的新優(yōu)勢。約翰遜，一名正在跟幾家機構研究人員合作的科學家說：“如果我們在10年前嘗試過，我們還不可能做到這一點?！卑殡S著更復雜的計算，他和他的團隊在實驗室嘗試了從未有人做過的事情：他們給機器輸入原始數(shù)據(jù)——這些數(shù)據(jù)都來源于實驗室模擬地震事件之前，之中和之后持續(xù)進行的大量測量。然后，他們通過算法篩選數(shù)據(jù)，以查找當人造地震發(fā)生時發(fā)出信號的可靠模式。除了實驗室模擬之外，該團隊還開始使用來自真實風暴的原始地震數(shù)據(jù)進行相同類型的機器學習分析。
這與科學家過去地震預測的方法不同——他們通常使用稱為“地震目錄”的這些經(jīng)過處理的地震數(shù)據(jù)來尋找預測線索。這些數(shù)據(jù)集僅包含地震幅度、位置和時間，并省略其余信息。通過使用原始數(shù)據(jù)，約翰遜的機器算法或許能夠拾取重要的預測標記。
約翰遜和合作者賓夕法尼亞州立大學的地球物理學家克里斯·馬龍已經(jīng)使用學校的地震模擬器進行實驗室實驗。模擬器隨機產(chǎn)生地震，并為開源機器學習算法生成數(shù)據(jù)，并且系統(tǒng)已經(jīng)取得了一些令人驚訝的結(jié)果。研究人員發(fā)現(xiàn)，當實驗室模擬的地殼構造板塊隨著時間移動，計算機算法能在聲音數(shù)據(jù)：“吱吱作響和磨削”噪聲中捕捉到預測地震的可靠信號。隨著人造地殼系統(tǒng)更接近模擬地震，該算法以非常具體的方式顯示出這些噪聲，這意味著約翰遜可以在任何時間點看這個聲音信號，并且確定地震可能發(fā)生的時間。
例如，如果在20秒內(nèi)發(fā)生人為地震，研究人員可以分析信號并在一秒內(nèi)準確預測地震。約翰遜解釋說：“算法不僅可以告訴我們地震發(fā)生的準確時間，而且告訴我們沒有注意過的地震相關的物理學原理?！薄盎叵肫饋?，顯而易見的是，因為我們專注于處理數(shù)據(jù)，我們成功地忽略了其物理學規(guī)律?！睂嶒炛校膱F隊研究了聲音信號，并以此預測地震。但約翰遜說，地震預測也應該是實時的。
當然，真實的地震比實驗室模擬的那些復雜得多，所以實驗室中的結(jié)果在現(xiàn)實世界中可能無法應用。例如，地震學家在自然地震系統(tǒng)中還沒有觀察到在實驗室模擬過程中檢測到的吱吱聲和磨碎噪聲（盡管約翰遜認為聲音可能存在，而他的團隊也正在研究）。不出所料，許多地震學家對機器學習能為地震研究提供突破這一想法持懷疑態(tài)度——部分原因或許是機器學習的相關實驗已經(jīng)失敗太多次了?！斑@是個令人興奮的研究，我認為我們將從約翰遜的工作中學到很多物理學知識，但在真實地震中應用這一方法還有許多問題，”克里斯·斯科爾茨說。
約翰遜也很謹慎，以至于他稱自己的實驗為“地震預測”時都有點猶豫?！拔覀冋J識到，如果你宣稱的事物沒有任何人相信，你必須謹慎看待你的信譽問題。”他如是說道。 約翰遜還指出，他目前只是追求一種估計地震時間的方法，而不是地震量級——他說預測地震的大小是一個更加嚴峻的問題。
但是克里斯·斯科爾茨和其他未參與這項研究的專家仍然認為，約翰遜應該繼續(xù)探索。美國地質(zhì)調(diào)查局地球物理學家大衛(wèi)·洛克納（David Lockner）解釋說：“這可能會迎來巨大成功?！薄皺C器學習的力量在于，您可以把所有東西都放在鍋里，有用的參數(shù)自然分離出來?！币虼?，即使來自約翰遜實驗室實驗的噪音信號不能發(fā)揮作用，他和其他科學家仍然可以將機器學習應用于自然地震的數(shù)據(jù)中，并獲得其他有用的信號。
約翰遜已經(jīng)開始將他的技術應用于實際數(shù)據(jù)中——機器學習算法將分析由法國勞倫斯伯克利國家實驗室和其他來源收集的地震數(shù)據(jù)。如果這種方法成功，他認為專家或許可以提前幾個月甚至幾年預測地震?！斑@只是一個開始，”他說?！拔翌A測，在未來的五到十年內(nèi)，機器學習將改變我們研究科學的方式?！?/p>
版權聲明：
本譯文僅用于學習和交流目的。非商業(yè)轉(zhuǎn)載請注明譯者、出處，并保留文章在譯言的完整鏈接。商業(yè)合作請聯(lián)系editor@yeeyan.com 參考原文地址：https://www.scientificamerican.com/article/can-artificial-intelligence-predict-earthquakes/
