Amerikanische und britische Geologen haben ein neues künstliches Intelligenzsystem entwickelt, das Erdbeben vorhersagen kann, und es laut einem in der Zeitschrift GRL veröffentlichten Artikel erfolgreich in einem Laborsandbebensimulator getestet.
„Zum ersten Mal konnten wir ein maschinelles Lernsystem verwenden, um akustische Daten zu analysieren und ein Erdbeben vorherzusagen, lange bevor es tatsächlich passiert. So haben wir genügend Zeit, um die Bevölkerung rechtzeitig zu warnen und zu evakuieren. Es ist erstaunlich, welche Möglichkeiten uns künstliche Intelligenz bietet “, sagte Colin Humphries von der University of Cambridge.
Erdbeben und andere gefährliche Kataklysmen im Zusammenhang mit dem Erdinneren treten am häufigsten an den Grenzen von Fehlern zwischen tektonischen Platten auf, deren Bewegung häufig durch Unregelmäßigkeiten an ihren Rändern behindert wird. Wenn die Bewegung der Platten stoppt, sammelt sich an ihrem Kontaktpunkt potentielle Energie an, die in Form von Wärme und starken Schallwellenausbrüchen freigesetzt werden kann, wenn die Felsen in diesen Unregelmäßigkeiten nicht standhalten und brechen können.
Wissenschaftler haben lange versucht zu verstehen, welche Prozesse die Akkumulation dieser Energie steuern, und suchen auch nach Wegen, um das Innere der Erde zu "durchschauen", damit wir das Auftreten solcher Zonen tektonischen Stresses kennenlernen und anhand ihrer Eigenschaften die Wahrscheinlichkeit, Stärke und den Zeitpunkt neuer Erschütterungen vorhersagen können.
Trotz enormer Fortschritte in diesem Bereich sind solche Vorhersagen immer noch äußerst ungenau, was häufig zu Streitigkeiten zwischen Wissenschaftlern und Politikern führt, die Mehrdeutigkeiten nicht mögen. Zum Beispiel erhielten Seismologen, die das Ausmaß des Erdbebens in L'Aquila in Italien im Jahr 2009 falsch vorhergesagt hatten, echte Haftstrafen wegen "Fehlinformationen" der Bevölkerung und des Todes von etwa dreihundert Menschen. Dies demotiviert Seismologen und andere Wissenschaftler weiter, um spezifische Vorhersagen für die Zukunft zu treffen.
Laut Humphreys ist einer der Gründe, warum aktuelle Erdbebenvorhersagen ungenau oder fehlerhaft sind, dass Seismographen und andere Beobachtungsgeräte unzählige Signale empfangen, von denen nur einige mit der Akkumulation von Energie an den Grenzen von Fehlern verbunden sind, während andere durch andere Phänomene erzeugt werden., in keiner Weise mit tektonischen Prozessen verbunden.
In einigen Fällen können diese "Hindernisse" beseitigt werden - und dann ist die Prognose ziemlich genau, und in anderen Fällen, wie der Katastrophe von 2009, endet das Scheitern in dieser Hinsicht auf unvorhersehbare Weise.
Ähnliche Probleme werden heute, wie Humphries und seine Kollegen bemerkten, von Vertretern einer völlig anderen Wissenschaft gelöst - Computeringenieuren, die verschiedene Systeme des maschinellen Lernens und der künstlichen Intelligenz entwickeln. Ein wesentliches Merkmal moderner neuronaler Netze ist, dass sie sehr „schmutzige“Daten analysieren und darin finden können, was zur Lösung eines Problems erforderlich ist: zum Beispiel zum Sortieren von Fotos von Katzen und Hunden oder zum Erkennen von Sprache in einem lauten Raum.
Werbevideo:
Ausgehend von dieser Idee haben Wissenschaftler am Los Alamos National Laboratory in den USA einen speziellen "Erdbebenemulator" entwickelt, der vollständig simuliert, was bei den Fehlern passiert, wenn neue Erschütterungen auftreten, und damit das neuronale Netzwerk lehrt, die Spuren zukünftiger Erdbeben zu "sehen" in dem Datensatz, den Seismographen sammeln.
Nach einiger Zeit lernte die Maschine, "Labor" -Erbeben mit einem sehr hohen Maß an Genauigkeit und Zuverlässigkeit korrekt vorherzusagen - dies zeigt laut Wissenschaftlern, dass ähnliche Methoden verwendet werden können, um die reale seismische Situation vorherzusagen. Andererseits kann der aktuelle Algorithmus höchstwahrscheinlich noch nicht für diese Zwecke verwendet werden, da er nicht auf realen Daten, sondern auf deren Nachahmung "trainiert" wurde und daher seine Vorhersagen bei der Arbeit vor Ort ziemlich ungenau sein können.