人工智能正在帮助预测下一次大地震将在何时发生

导读：目前，在人工智能的帮助下，越来越多的科学家表示，大规模地震数据分析方式的改变，可以帮助他们更好地理解地震，预测地震形态，并提供更快、更准确的早期预警。

旧金山电 — 整个科学界花了无数资金，一直在致力于预测下一次大地震将在何时何地发生。由于使用了更好的卫星和更强大的数学模型，天气预报已经有了很大的改进，但地震预报却屡屡失败。

2008 年的中国地震、2010 年的海地地震和 2011 年的日本地震……世界上破坏性最大的地震都发生在地震危险图认为相对安全的地区。美国境内上一次大地震发生在 1994 年的洛杉矶北岭市（Northridge），而震源地处于一个没有出现在地震地图上的断层上。

目前，在人工智能的帮助下，越来越多的科学家表示，大规模地震数据分析方式的改变，可以帮助他们更好地理解地震，预测地震形态，并提供更快、更准确的早期预警。

“我对我们能在这个问题上取得进展满怀信心——实际上，这在我职业生涯中还是头一遭，”保罗·约翰逊（Paul Johnson）说。他是洛斯阿拉莫斯国家实验室（Los Alamos National Lab）的研究员，也是这项研究的重要人物之一。

科学家们很清楚地震预报失败的历史。当被问及使用人工智能技术取得了多大进展时，他们非常谨慎。这个领域的一些人把预测（prediction）称为“P 字”，因为他们甚至不想暗示预测地震是可能的。但他们说，他们努力的一个重要目标，便是能够提供可靠的预测。

例如，地震危险图上提供的地震概率就具有至关重要的作用，其中最明显的就是指导工程师该如何建造建筑物。但批评人士说，这些地图非常不精确。

洛杉矶的一张地图列出了在给定的时间内（通常是 50 年）发生强烈地震的可能性。这些预测基于一个复杂的公式，该公式考虑到了某地距离断层的距离、断层一侧向另一边移动的速度，以及该地区再次发生地震的情况等等。

美国地质调查局地质学家凯瑟琳·谢勒（Katherine M. Scharer）领导的一项研究，估计了圣安德烈亚斯（San Andreas）断层南加州部分可追溯到 8 世纪的前 9 次地震的日期。上一次圣安德烈亚斯大地震发生在 1857 年。

由于这些大地震之间的平均间隔是 135 年，一个普遍的解释是，南加州将再次发生大地震。然而，地震之间的间隔也是非常不同——从 44 年到 305 年不等——所以取平均值并不是一个非常有用的预测工具。大地震可能明天就会发生，也可能在一个半世纪或更长的时间之后才会发生。

这也是加州大学伯克利分校数学与物理科学专业副主任菲利普·斯塔克（Philip Stark）的批评意见之一。斯塔克说，地震概率这套体系“介于无意义和误导之间”，呼吁将其废除。

全新的、与人工智能有关的地震研究则依赖于神经网络技术——从会说话的数字助理到无人驾驶汽车，很多事物的发展背后依赖的都是这项技术。神经网络是一个复杂的数学系统，大致模拟了人脑的神经元网络，能够独立学习任务。

科学家们表示，地震数据与 Google 和亚马逊等公司用来训练神经网络识别 Alexa 等数字助手的语音命令的音频数据非常相似。在研究地震时，计算机会在海量的数据中寻找各种模式，而以前靠的是科学家疲惫的双眼。

加州理工学院地震实验室的研究员扎卡里‧罗斯（Zachary Ross）正在研究此类人工智能技术，他说：“我们监测的是地层震动测量数据，而不是一系列的词汇。我们要寻找的是这些数据中蕴含的模式。”

哈佛大学地球和行星科学教授布伦丹·米德（Brendan Meade）在 Google 休完学术假期后，开始探索这些技术。Google 在人工智能研究领域处于前沿位置。

米德的第一个项目表明，这些机器学习方法至少可以显著加速他的实验。他和他的研究生使用神经网络进行地震分析，速度比过去快了 500 倍。过去花几天时间才能完成的分析，现在只要几分钟。

米德还发现，这些人工智能技术可以带来新的见解。今年秋天，他与 Google 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，这类项目代表了地震科学研究方式的巨大转变。加州理工学院和斯坦福大学等机构也在开展类似的工作。

罗斯说：“现在这项技术的表现和人类专家一样好，或者比人类专家做得更好。”

科学家们之所以会有这种谨慎乐观的态度，是因为随着传感器的体积越来越小、成本越来越低，科学家将能够收集到更多的地震数据。在神经网络等人工智能技术的帮助下，他们希望从这些数据中获得新的发现。

罗斯和加州理工学院的其他研究人员正在利用这些技术建立系统，以便在地震发生时更准确地识别地震，并预测震中的位置和地震扩散的方向。

日本和墨西哥都有预警系统，加州也刚刚推出了自己的预警系统。但科学家们表示，人工智能可以极大地提升其准确性，帮助预测地壳破裂的方向和强度，并向医院和其他机构提供早期预警——对于它们来说，额外的几秒钟准备工作会非常有帮助。

罗斯说：“拥有的细节越多，预测就会越准确。”

从事这些项目的科学家说，神经网络也有其局限性。虽然神经网络擅长在数据中找到熟悉的信号，但它们不一定适合于寻找新的信号——比如地壳板块碰撞时发出的声音。

但是在洛斯阿拉莫斯，约翰逊博士和他的同事们已经证明了一种叫做“随机森林”（random forests）的机器学习技术，它能够在实验室内产生的模拟断层中发现先前未知的信号。有一次，他们的系统显示，由断层发出的特定声音实际上预示了地震将在何时到来，而科学家们以前认为这种声音毫无意义。

另外一些科学家——比如东京大学的地震学家罗伯特·盖勒（Robert Geller）——并不相信人工智能将改善地震预测。他对过去的地震可以预测未来地震的假设表示了质疑。他说，只有当地震预测不再是碰运气时，我们才能最终了解到人工智能预测地震的有效性（到底有多高）。

“（地震预测）没有捷径好走，”盖勒说，“如果不能预测未来，那么你的假设就是错的。”