人工智能帮助科学家预测地震

美国洛斯阿拉莫斯国家实验室的科学家们正在利用人工智能预测地震。

无数资金以及无数研究人员的科研生涯都奉献给了预测下一次大地震将在何时何地发生。但地震预测与天气预报不同，天气预报通过使用更好的卫星和更强大的数学模型得到了显着改善，而地震预测则因反复失败而停滞不前。

全球最具破坏性的部分地震发生在地震危害性地图（seismic hazard map）认为相对安全的地方，例如2008年的中国汶川地震、2010年的海地地震和2011年的日本地震。

现在，在人工智能的帮助下，越来越多的科学家表示，他们分析海量地震数据的方式发生了变化，这可以帮助他们更好地了解地震、预测地震的行为以及提供更快速、更准确的早期预警。

“我在职业生涯中第一次对我们能在这个问题上取得进展怀有真切的希望，”洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）的研究人员保罗·约翰逊（Paul Johnson）表示，他在本研究领域处于前沿地位。

科学家们对于过去失败的地震预测案例有着十分清楚的认知，因此，在被问及他们使用人工智能取得了多大进展时，他们总是持谨慎态度。该领域的部分人士将预测（prediction）称为“P字”，因为他们甚至不想暗示它是可能的。但他们表示，其中一个重要目标是能够提供可靠的预测。例如，地震危害性地图上提供的地震概率具有至关重要的影响，特别是在指导工程师如何构造建筑物方面。批评者称这些地图非常不准确。

一份洛杉矶的地图列出了地震在给定时间周期（通常为50年）内产生强烈震动的概率。此概率基于一个复杂的公式，该公式在其他因素以外，还将相对断层的距离、断层的一侧移过另一侧的速度以及该区域内的地震重复周期考虑在内。

美国地质调查局（United States Geological Survey）的地质学家凯瑟琳·M·施里尔（Katherine M. Scharer）主持了一项研究，该研究对可追溯到公元八世纪的圣安德列斯（San Andreas）断层南加州部分之前发生的九次地震的日期进行了估算，圣安德列斯断层上的最近一次大地震发生在1857年。

由于这些大地震之间的平均时间间隔为135年，然而地震之间的时间间隔十分多变（从44年到305年），取平均值并不是非常有用的预测工具。大地震可能会在明天发生，也可能会在一个半世纪或更长时间以后发生。这正是加州大学伯克利分校（University of California, Berkeley）数学和物理科学系副院长菲利普·史塔克（PhilipStark）的批评意见之一。史塔克博士将整个地震概率系统称之为“介于无意义和误导之间”，并呼吁将其废弃。

与人工智能相关的新地震研究依赖于神经网络，正是这种技术加速了从语音数字助理到无人驾驶汽车等各方面的进步。神经网络对人脑中的神经元网络进行松散建模，它是一个复杂的数学系统，可以自行学习任务。

科学家表示，地震数据与谷歌和亚马逊等公司用于训练神经网络识别Alexa等家用数字助理所接收的语音命令的音频数据非常相似。在研究地震时，由计算机寻找海量数据中的模式，而不是依靠科学家疲惫的双眼进行寻找。

“我们拥有的是一系列的地动测量数据，而不是一系列的单词，”加州理工学院（California Institute of Technology）地震学实验室（Seismological Laboratory）的研究人员扎卡里·罗斯（Zachary Ross）说道，他正在探索这些人工智能技术。“我们正在寻找这些数据中的同类模式。”

在处于人工智能研究前沿地位的谷歌公司休完假后，哈佛大学地球与行星科学系教授布伦丹·米德（Brendan Meade）开始探索这些技术。他的第一个项目表明，这些机器学习方法至少可以大幅加速他的实验。他和他的研究生使用神经网络运行地震分析，速度比过去快500倍。过去需要几天时间才能完成的分析现在只需要花费几分钟时间。

米德博士还发现，这些人工智能技术可以带来新的见解。2018年秋天，他与来自谷歌和哈佛大学的其他研究人员一起发表了一篇论文，展示了神经网络如何预测地震余震。他认为，这种项目代表了地震科学研究方式的巨大转变。类似的工作正在加州理工学院和斯坦福大学等机构开展。罗斯博士说道：“我们正处于技术可以做得和人类专家一样好，甚至做得比人类专家更好的转折点。”

人们之所以持谨慎乐观态度是因为他们相信：随着传感器变得越来越小和越来越便宜，科学家们将能够收集更多的地震数据。借助神经网络和类似的人工智能技术，他们希望从所有这些数据中收集新的见解。

罗斯博士和加州理工学院的其他研究人员正在利用这些技术建立能够在地震发生时进行更加准确的识别，并预测震中位置和震动蔓延方向的系统。日本和墨西哥都有早期预警系统，加利福尼亚州则刚刚推出了自己的早期预警系统。但科学家表示，人工智能可以极大地提高其准确性，帮助预测地壳破裂的方向和强度，并向医院和其他能够从几秒钟的额外准备时间中获益的机构提供早期预警。“你拥有的细节越多，你的预测就越精确，”罗斯博士说道。

从事这些项目的科学家表示，神经网络有其局限性。尽管它们擅长在数据中发现熟悉的信号，但它们并不一定适合寻找新类型的信号，例如构造板块研磨在一起时发出的声音。

但在洛斯阿拉莫斯，约翰逊博士及其同事已经证明，一种称为“随机森林”（random forest）的机器学习技术可以识别实验室内创建的模拟断层中之前未知的信号。在一个案例中，他们的系统表明，由断层制造但科学家之前认为毫无意义的某个特定声音实际上是地震何时到来的指示。

东京大学（University of Tokyo）地震学家罗伯特·盖勒（Robert Geller）等部分科学家不相信人工智能将改善地震预测。他质疑过去的地震可以预测未来的地震这一前提。最后，他表示，只有在我们可以超出随机范围预测地震何时发生时，我们才能知道人工智能预测的效果到底如何。“没有捷径可走，”盖勒博士说道。“如果你无法预测未来，那么你的假设就是错的。”