原标题：AI识别出地震先兆信号？机器学习发现数据神秘关联，人类有望预测地震

  本文转自：新智元【导读】10年前，「」在圈内还是如尼斯湖水怪一般的奇谈怪论，但机器学习的发展，已经让「准确预测地震」的可能性，又往前迈进了一步。

  就在1月1日，日本突发里氏7.6级的地震，随后陆续有灾情传出。据统计，目前至少已有62人死亡。

  科学家通过机器学习来研究断层线的「慢地震」（预示地震到来的有用指标）信号，有望能作为准确预测地震的科学依据。

  2017年9月，在墨西哥城发生8.2级地震前约两分钟，刺耳的警报器提醒居民地震即将来临。

  现在在整个世界范围内普遍采用的这种地震预警系统，可以在潜在的破坏性地震开始后三到五秒内，向受灾地区发出响亮的信号。

  首先，靠近断层的地震仪可以捕捉到地震的开始，精细编程的算法会确定震级可能的大小。

  如果是中型或大型地震，发出的警报会比地震本身传播得更快，从而提供几秒钟到几分钟窗口期。

  这个时间窗口至关重要：就在这短短的几秒钟到几分钟，人类能关闭电力和天然气管道，将消防车移到街道上，转移到安全的地方。

  本文作者地震学博士Allie Hutchison表示，2013年当自己开始攻读地震学博士学位时，预测地震这一个话题显得很不严肃，仿佛寻找尼斯湖水怪一样，不属于主流研究的范畴。

  2020年开始，当Hutchison开始第二次博士后研究时，她发现业内的科学家对于的态度更为开放了。

  她所在的项目Tectonic正是使用机器学习来推进的。欧洲研究委员会深信这一个项目的潜力，提供了为期四年、340万欧元的捐款资助。

  比如一种沿着断层线的「慢地震」行为（预示地震到来的有用指标），以及地震噪声。

  20世纪60年代，板块构造理论就被广泛接受了，但几十年后，人类对于地震成因的理解，也只是应力累积到临界阈值，就会通过地震释放。

  他们能够最终靠使用地震波和绘制地震位置来构建断层的近似地图，但无法直接测量它所承受的应力，也无法量化地面移动的阈值。

  据估计，那里发生大地震的平均时间间隔在100到180年之间。根据粗略计算，第二次地震可能「迟到」了。

  当然，这种复发间隔可能差异会很大，样本量仅限于人类历史范围内、地质记录中所记载的范围，而这些，仅仅是地球历史上发生过的地震的极小一部分。

  1985年，科学家沿着加州中部圣安德烈亚斯断层的帕克菲尔德部分安装了地震仪和其他地震监测设备。

  与其他断层沿线的地震相比，该地区发生的六次地震的间隔时间异常规律，因此美国地质调查局的科学家非常有信心地预测，下一次类似震级的地震将在1993年之前发生。

  并且，对于易发生大地震的地区，间隔可能长达数百年，不确定性如此之大，这种预测方法基本是不靠谱的。

  对此，加州理工学院地球物理学家、美国地质调查局前高级科学家Tom Heaton就曾这样怀疑：我们根本没办法预测地震。

  在他眼里，地震很大程度上是随机过程——我们大家可以把概率附加到事件上，但无法准确预测。

  「从物理学的角度来看，这是一个混沌系统。这一切的背后有重要的证据说明地球的行为是有序的和确定性的。但如果不充分了解地下发生的事情，就不可能凭直觉理解这种秩序。」

  长时间以来，甚至带有一丝伪科学的意思，直到在2000年之后，两项发现才开启了预测地震的可能性。

  第一个发现，是地震科学家在日本西南部发现的一种奇怪的低振幅信号。这种信号往往会持续几个小时到几周，科学家们将之称为「构造震颤」。

  第二种可能和地震相关的信号，就是卡斯卡迪亚俯冲带的大地测量学家发现，地壳会以奇怪的方向缓慢移动，科学家称之为「缓慢滑行」现象。

  发现第二种奇怪的地质运动的科学家们，在日本西南部进一步发现了一种被称为「慢地震」的信号。

  但是进一步的相关性研究之后发现，这种「慢地震」之后只是很可能伴随普通地震，但结论并不绝对。

  虽然科学家在「慢地震」和普通地震之间未曾发现绝对的关联，但是有科学家认为：

  可能地震的前兆信号就隐藏在其中，只是我们还没有很好的方法足够好的测量出这种前兆信号。

  可能地震的前兆信号就隐藏在其中，只是我们还没有很好的方法足够好的测量出这种前兆信号。

  AI能从噪音中寻找线年，新墨西哥州洛斯阿拉莫斯国家实验室的Paul Johnson开始使用机器学习来理解地震的数据。

  比如将岩石样本放置在金属框架内，将其中心切开以模拟断层，并将其置于围压下，让局部传感器测量样品变形时发生的情况。

  在这个模拟地震的系统之下，他们发现机器学习能够在一定程度上帮助研究人员预测人为开始制造的断层需要多长时间能引发震动。

  而令科学家感到惊喜的是，他们发现先前很多认为是噪声的信号，却被机器学习认为是能做出预测的主要信号。

  然后，Johnson开始将这些发现应用于卡斯卡迪亚的地震数据。在地震数据中他们识别出了来自俯冲带的连续的信号。

  而除此之外，还有别的很多科学家，也在通过不同方式来使用机器学习，对地震进行研究。

  虽然现在相关研究还处于早期阶段，但机器学习办法能够揭示隐藏的结构和因果关系，让数据看起来不再是杂乱无章的一堆数字。

  斯坦福大学的Mostafa Mousavi和Gregory Beroza等科学家，在研究怎么样使用机器学习来用单个地震台的地震数据来预测地震的震级，这对地震的早期预警系统来说非常有用。

  哈佛大学地球与行星科学教授Brendan Meade可使用神经网络预测余震的位置。加州理工学院的Zachary Ross和其他研究人员使用深度学习技术从噪声水平很高的数据中分辨出地震信号，从而使得科学家检测出更多的地震。

  Beroza、Mousavi和英国地质调查局的研究员Margarita Segou通过机器学习识别地震数据，发现了可能比人类所知多10倍的地震，从而创建了更大的地震数据库。

  他们在2021年发表在《自然通讯》上的一篇论文中公布了他们的发现。这些改进的数据集能够在一定程度上帮助人类和机器更好地理解地震。

  或许我们还需要几十年的时间，来确定这一时期地震研究的意义，还有是不是具有革命性的作用。

  平台声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。