人工智能可以幫助預(yù)測(cè)地震嗎

美國(guó)洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室的科學(xué)家們正在利用人工智能預(yù)測(cè)地震。

無(wú)數(shù)資金以及無(wú)數(shù)研究人員的科研生涯都奉獻(xiàn)給了預(yù)測(cè)下一次大地震將在何時(shí)何地發(fā)生。但地震預(yù)測(cè)與天氣預(yù)報(bào)不同，天氣預(yù)報(bào)通過(guò)使用更好的衛(wèi)星和更強(qiáng)大的數(shù)學(xué)模型得到了顯著改善，而地震預(yù)測(cè)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(rèn)為相對(duì)安全的地方，例如2008年的中國(guó)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(lái)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(cè)地震的行為以及提供更快速、更準(zhǔn)確的早期預(yù)警。

“我在職業(yè)生涯中第一次對(duì)我們能在這個(gè)問(wèn)題上取得進(jìn)展懷有真切的希望，”洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)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(duì)于過(guò)去失敗的地震預(yù)測(cè)案例有著十分清楚的認(rèn)知，因此，在被問(wèn)及他們使用人工智能取得了多大進(jìn)展時(shí)，他們總是持謹(jǐn)慎態(tài)度。該領(lǐng)域的部分人士將預(yù)測(cè)（prediction）稱(chēng)為“P字”，因?yàn)樗麄兩踔敛幌氚凳舅强赡艿?。但他們表示，其中一個(gè)重要目標(biāo)是能夠提供可靠的預(yù)測(cè)。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(píng)者稱(chēng)這些地圖非常不準(zhǔn)確。

一份洛杉磯的地圖列出了地震在給定時(shí)間周期（通常為50年）內(nèi)產(chǎn)生強(qiáng)烈震動(dòng)的概率。此概率基于一個(gè)復(fù)雜的公式，該公式在其他因素以外，還將相對(duì)斷層的距離、斷層的一側(cè)移過(guò)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(guó)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(xiàng)研究，該研究對(duì)可追溯到公元八世紀(jì)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(jìn)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(shí)間間隔為135年，然而地震之間的時(shí)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(cè)工具。大地震可能會(huì)在明天發(fā)生，也可能會(huì)在一個(gè)半世紀(jì)或更長(zhǎng)時(shí)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(zhǎng)菲利普·史塔克（PhilipStark）的批評(píng)意見(jiàn)之一。史塔克博士將整個(gè)地震概率系統(tǒng)稱(chēng)之為“介于無(wú)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(lài)于神經(jīng)網(wǎng)絡(luò)，正是這種技術(shù)加速了從語(yǔ)音數(shù)字助理到無(wú)人駕駛汽車(chē)等各方面的進(jìn)步。神經(jīng)網(wǎng)絡(luò)對(duì)人腦中的神經(jīng)元網(wǎng)絡(luò)進(jìn)行松散建模，它是一個(gè)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(shí)別Alexa等家用數(shù)字助理所接收的語(yǔ)音命令的音頻數(shù)據(jù)非常相似。在研究地震時(shí)，由計(jì)算機(jī)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(jìn)行尋找。

“我們擁有的是一系列的地動(dòng)測(cè)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(shí)驗(yàn)室（Seismological Laboratory）的研究人員扎卡里·羅斯（Zachary Ross）說(shuō)道，他正在探索這些人工智能技術(shù)?！拔覀冋趯ふ疫@些數(shù)據(jù)中的同類(lèi)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(kāi)始探索這些技術(shù)。他的第一個(gè)項(xiàng)目表明，這些機(jī)器學(xué)習(xí)方法至少可以大幅加速他的實(shí)驗(yàn)。他和他的研究生使用神經(jīng)網(wǎng)絡(luò)運(yùn)行地震分析，速度比過(guò)去快500倍。過(guò)去需要幾天時(shí)間才能完成的分析現(xiàn)在只需要花費(fèi)幾分鐘時(shí)間。

米德博士還發(fā)現(xiàn)，這些人工智能技術(shù)可以帶來(lái)新的見(jiàn)解。2018年秋天，他與來(lái)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(cè)地震余震。他認(rèn)為，這種項(xiàng)目代表了地震科學(xué)研究方式的巨大轉(zhuǎn)變。類(lèi)似的工作正在加州理工學(xué)院和斯坦福大學(xué)等機(jī)構(gòu)開(kāi)展。羅斯博士說(shuō)道：“我們正處于技術(shù)可以做得和人類(lèi)專(zhuān)家一樣好，甚至做得比人類(lèi)專(zhuān)家更好的轉(zhuǎn)折點(diǎn)?！?/p>

人們之所以持謹(jǐn)慎樂(lè)觀(guān)態(tài)度是因?yàn)樗麄兿嘈牛弘S著傳感器變得越來(lái)越小和越來(lái)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(lèi)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(jiàn)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(shí)進(jìn)行更加準(zhǔn)確的識(shí)別，并預(yù)測(cè)震中位置和震動(dòng)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(zhǔn)確性，幫助預(yù)測(cè)地殼破裂的方向和強(qiáng)度，并向醫(yī)院和其他能夠從幾秒鐘的額外準(zhǔn)備時(shí)間中獲益的機(jī)構(gòu)提供早期預(yù)警?！澳銚碛械募?xì)節(jié)越多，你的預(yù)測(cè)就越精確，”羅斯博士說(shuō)道。

從事這些項(xiàng)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(zhǎng)在數(shù)據(jù)中發(fā)現(xiàn)熟悉的信號(hào)，但它們并不一定適合尋找新類(lèi)型的信號(hào)，例如構(gòu)造板塊研磨在一起時(shí)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(chēng)為“隨機(jī)森林”（random forest）的機(jī)器學(xué)習(xí)技術(shù)可以識(shí)別實(shí)驗(yàn)室內(nèi)創(chuàng)建的模擬斷層中之前未知的信號(hào)。在一個(gè)案例中，他們的系統(tǒng)表明，由斷層制造但科學(xué)家之前認(rèn)為毫無(wú)意義的某個(gè)特定聲音實(shí)際上是地震何時(shí)到來(lái)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(cè)。他質(zhì)疑過(guò)去的地震可以預(yù)測(cè)未來(lái)的地震這一前提。最后，他表示，只有在我們可以超出隨機(jī)范圍預(yù)測(cè)地震何時(shí)發(fā)生時(shí)，我們才能知道人工智能預(yù)測(cè)的效果到底如何。“沒(méi)有捷徑可走，”蓋勒博士說(shuō)道?！叭绻銦o(wú)法預(yù)測(cè)未來(lái)，那么你的假設(shè)就是錯(cuò)的。”