機器學習預測地震，信得過嗎？

每年平均有約10000人不幸命喪於地震災害。如果遇到大地震，那數字可謂觸目驚心：

2004年，超過230000人在印尼里氏九級大地震引起的海嘯當中遇難；

2010年，超過200000人在海地七級地震中身亡；

更別提08年的汶川大地震，至今都是很多人心裡難以癒合的傷口。

這幾天，四川九寨溝發生了里氏七級的地震 ，很多海子因為山體滑坡而喪失了往昔的美麗。

蛤蟆出街，地震雲，看這些都沒啥卵用！

不止你一個人這麼想：如果能提前向公眾發出地震警告，居民們就能在天災來臨之前做好撤離準備，那麼傷亡數目就能大大減少了！

某種程度上，地理學家早已能對地震的發生作出估算，注意，僅僅是大致估算而已。根據以往的觀測數據，對未來地震進行周期性預測。舉個栗子，美國加州的聖安德魯斯斷層（San Andreas Fault），1906年曾製造了里氏7.8級的舊金山大地震。學者研究出這裡的地震周期大致是22年。根據規律，預言下一次地震會在1988年到1993年間發生，而實際情況是，地震發生延遲到了2004年。

這是目前地震預測精度的大概情況，很多時候，誤差還要高上很多個量級。這種預測對於前期工作幫助較大，比如提高建築防震等，但對地震發生時拯救生命的作用微乎其微。因此，像預測天氣預報一樣，精準到天地預測地震發生，那真的是造福萬民了。

遺憾的是，目前並沒有一個可靠的方法，來精準地預測地震的發生。科學家做了大量嘗試，研究他們認為可以預測地震的各種徵兆：前震、電磁干擾、地下水文變化——甚至是不尋常的動物行為（比如地震前夕大量蛤跑得快等），不過這些都不太奏效，連你們常說的「地震雲」，也被證實是人們的自作多情。

活在動漫里的「地震雲」

AI 或是精準預測地震的「救世主」

事實上，在20世紀90年代，就有人嘗試著用機器學習來預測地震，但收效甚微。不過有些人不想對難題低頭，位於美國的洛斯·阿拉莫斯國家實驗室（Los Alamos National Laboratory，曼哈頓計劃的主導者），這裡集結了地球上最優秀的物理學家、地理學家以及——程序員。他們堅信，AI 極有可能是破解這個難題的「救世主」。

他們給機器輸入原始數據，這些數據都來源於實驗室模擬地震發生之前，之中、和之後持續進行的大量測量。 然後，他們通過演算法篩選數據，查找當人造地震發生時發出信號的可靠模式。

真實而準確的地震預測，將是接下來 AI 的研究方向。

讓AI聽懂地震的「閑言細語」

首先，在實驗室模擬斷層。通過抽動中間地層的方式，在實驗室中模擬地震，並在層間放置岩石混合物來模擬真實斷層。這種實驗地震系統已經被地理學家熟知，在地震到來時，地層間的混合物會開始掉落並伴有特殊聲響，同時地層也會周期性地滑動。

在這個過程中，研究組發現了一個問題：這些「地層運動」所發出的聲音，能否用於預測下一次地層運動發生的時間？之前從未有人在該信息中，發現可用於預測工作的特定模式和規律。所以這次，研究人員將採集到的聲波信息送入機器學習演算法當中，期望從中發現一些被地理學家忽略的東西。

事實表明，實驗結果印證了他們的想法。研究人員將滑動窗內採集到聲波送入演算法，並要求其給出地震發生的可能性預測。演算法的準確度令人吃驚，「結果顯示，我們只是讓 AI 去「聽」模擬地震發生時的聲音信號，它就能精確地預測出距離地震發生前的剩餘時間。」 研究人員報告說。

隨之而來的問題是：機器學習為何能做到這一點？研究人員先假設這是由於地震先兆要比我們想像的弱，在現實世界中很難被準確記錄。機器似乎成功捕捉到之前被地理學家當作雜訊忽略的信息。「我們使用機器學習進行的分析，為相關研究提供了新思路」，研究人員稱。

離真實預測地震，AI 還有多長的路要走？

既然在實驗室可行，那麼，該方法可以準確預測實際地震的發生么？

面對這個問題，研究人員顯得很謹慎。他們指出，實驗環境與真實地震還有很多不同的地方。真實地震中的壓力，要比實驗中大上好幾個數量級，同時岩石溫度不同也會造成聲波差異。

研究人員下一步的目標是：儘可能接近實驗環境的條件下進行地震預測。例如選在帕克菲爾德這種地震多發地帶。「該區域地層物質所發出的聲音可能跟實驗環境很像」。

對該方法的最終檢測，自然是看其在真實環境下能否準確預測地震發生。這項工作相當繁雜，需要未來多年的觀測研究。

總之隨著這項新技術的應用，該研究組已經在傳統學界掀起了不小的風浪。如他們所說：「地震科學的變革已經開始，而這一切將由AI來推動。」

機器學習 | Udacity

譯者：黃燜雞

編輯：小咪

文章參考：http://arxiv.org/abs/1702.05774: Machine Learning Predicts