2008 年的中國(guó)地震、2010 年的海地地震和 2011 年的日本地震……世界上破壞性最大的地震都發(fā)生在地震危險(xiǎn)圖認(rèn)為相對(duì)安全的地區(qū)。美國(guó)境內(nèi)上一次大地震發(fā)生在 1994 年的洛杉磯北嶺市(Northridge)，而震源地處于一個(gè)沒(méi)有出現(xiàn)在地震地圖上的斷層上。

目前，在人工智能的幫助下，越來(lái)越多的科學(xué)家表示，大規(guī)模地震數(shù)據(jù)分析方式的改變，可以幫助他們更好地理解地震，預(yù)測(cè)地震形態(tài)，并提供更快、更準(zhǔn)確的早期預(yù)警。

“我對(duì)我們能在這個(gè)問(wèn)題上取得進(jìn)展?jié)M懷信心——實(shí)際上，這在我職業(yè)生涯中還是頭一遭，”保羅·約翰遜(Paul Johnson)說(shuō)。他是洛斯阿拉莫斯國(guó)家實(shí)驗(yàn)室(Los Alamos National Lab)的研究員，也是這項(xiàng)研究的重要人物之一。

科學(xué)家們很清楚地震預(yù)報(bào)失敗的歷史。當(dāng)被問(wèn)及使用人工智能技術(shù)取得了多大進(jìn)展時(shí)，他們非常謹(jǐn)慎。這個(gè)領(lǐng)域的一些人把預(yù)測(cè)(prediction)稱為“P 字”，因?yàn)樗麄兩踔敛幌氚凳绢A(yù)測(cè)地震是可能的。但他們說(shuō)，他們努力的一個(gè)重要目標(biāo)，便是能夠提供可靠的預(yù)測(cè)。

例如，地震危險(xiǎn)圖上提供的地震概率就具有至關(guān)重要的作用，其中最明顯的就是指導(dǎo)工程師該如何建造建筑物。但批評(píng)人士說(shuō)，這些地圖非常不精確。

洛杉磯的一張地圖列出了在給定的時(shí)間內(nèi)(通常是 50 年)發(fā)生強(qiáng)烈地震的可能性。這些預(yù)測(cè)基于一個(gè)復(fù)雜的公式，該公式考慮到了某地距離斷層的距離、斷層一側(cè)向另一邊移動(dòng)的速度，以及該地區(qū)再次發(fā)生地震的情況等等。

美國(guó)地質(zhì)調(diào)查局地質(zhì)學(xué)家凱瑟琳·謝勒(Katherine M. Scharer)領(lǐng)導(dǎo)的一項(xiàng)研究，估計(jì)了圣安德烈亞斯(San Andreas)斷層南加州部分可追溯到 8 世紀(jì)的前 9 次地震的日期。上一次圣安德烈亞斯大地震發(fā)生在 1857 年。

由于這些大地震之間的平均間隔是 135 年，一個(gè)普遍的解釋是，南加州將再次發(fā)生大地震。然而，地震之間的間隔也是非常不同——從 44 年到 305 年不等——所以取平均值并不是一個(gè)非常有用的預(yù)測(cè)工具。大地震可能明天就會(huì)發(fā)生，也可能在一個(gè)半世紀(jì)或更長(zhǎng)的時(shí)間之后才會(huì)發(fā)生。

這也是加州大學(xué)伯克利分校數(shù)學(xué)與物理科學(xué)專業(yè)副主任菲利普·斯塔克(Philip Stark)的批評(píng)意見(jiàn)之一。斯塔克說(shuō)，地震概率這套體系“介于無(wú)意義和誤導(dǎo)之間”，呼吁將其廢除。

全新的、與人工智能有關(guān)的地震研究則依賴于神經(jīng)網(wǎng)絡(luò)技術(shù)——從會(huì)說(shuō)話的數(shù)字助理到無(wú)人駕駛汽車，很多事物的發(fā)展背后依賴的都是這項(xiàng)技術(shù)。神經(jīng)網(wǎng)絡(luò)是一個(gè)復(fù)雜的數(shù)學(xué)系統(tǒng)，大致模擬了人腦的神經(jīng)元網(wǎng)絡(luò)，能夠獨(dú)立學(xué)習(xí)任務(wù)。

科學(xué)家們表示，地震數(shù)據(jù)與 Google 和亞馬遜等公司用來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)識(shí)別 Alexa 等數(shù)字助手的語(yǔ)音命令的音頻數(shù)據(jù)非常相似。在研究地震時(shí)，計(jì)算機(jī)會(huì)在海量的數(shù)據(jù)中尋找各種模式，而以前靠的是科學(xué)家疲憊的雙眼。

加州理工學(xué)院地震實(shí)驗(yàn)室的研究員扎卡里?羅斯(Zachary Ross)正在研究此類人工智能技術(shù)，他說(shuō)：“我們監(jiān)測(cè)的是地層震動(dòng)測(cè)量數(shù)據(jù)，而不是一系列的詞匯。我們要尋找的是這些數(shù)據(jù)中蘊(yùn)含的模式。”

哈佛大學(xué)地球和行星科學(xué)教授布倫丹·米德(Brendan Meade)在 Google 休完學(xué)術(shù)假期后，開(kāi)始探索這些技術(shù)。Google 在人工智能研究領(lǐng)域處于前沿位置。

米德的第一個(gè)項(xiàng)目表明，這些機(jī)器學(xué)習(xí)方法至少可以顯著加速他的實(shí)驗(yàn)。他和他的研究生使用神經(jīng)網(wǎng)絡(luò)進(jìn)行地震分析，速度比過(guò)去快了 500 倍。過(guò)去花幾天時(shí)間才能完成的分析，現(xiàn)在只要幾分鐘。

米德還發(fā)現(xiàn)，這些人工智能技術(shù)可以帶來(lái)新的見(jiàn)解。今年秋天，他與 Google 和哈佛大學(xué)的其他研究人員一起發(fā)表了一篇論文，展示了神經(jīng)網(wǎng)絡(luò)如何預(yù)測(cè)地震余震。他認(rèn)為，這類項(xiàng)目代表了地震科學(xué)研究方式的巨大轉(zhuǎn)變。加州理工學(xué)院和斯坦福大學(xué)等機(jī)構(gòu)也在開(kāi)展類似的工作。

羅斯說(shuō)：“現(xiàn)在這項(xiàng)技術(shù)的表現(xiàn)和人類專家一樣好，或者比人類專家做得更好。”

科學(xué)家們之所以會(huì)有這種謹(jǐn)慎樂(lè)觀的態(tài)度，是因?yàn)殡S著傳感器的體積越來(lái)越小、成本越來(lái)越低，科學(xué)家將能夠收集到更多的地震數(shù)據(jù)。在神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)的幫助下，他們希望從這些數(shù)據(jù)中獲得新的發(fā)現(xiàn)。

羅斯和加州理工學(xué)院的其他研究人員正在利用這些技術(shù)建立系統(tǒng)，以便在地震發(fā)生時(shí)更準(zhǔn)確地識(shí)別地震，并預(yù)測(cè)震中的位置和地震擴(kuò)散的方向。

日本和墨西哥都有預(yù)警系統(tǒng)，加州也剛剛推出了自己的預(yù)警系統(tǒng)。但科學(xué)家們表示，人工智能可以極大地提升其準(zhǔn)確性，幫助預(yù)測(cè)地殼破裂的方向和強(qiáng)度，并向醫(yī)院和其他機(jī)構(gòu)提供早期預(yù)警——對(duì)于它們來(lái)說(shuō)，額外的幾秒鐘準(zhǔn)備工作會(huì)非常有幫助。

羅斯說(shuō)：“擁有的細(xì)節(jié)越多，預(yù)測(cè)就會(huì)越準(zhǔn)確。”

從事這些項(xiàng)目的科學(xué)家說(shuō)，神經(jīng)網(wǎng)絡(luò)也有其局限性。雖然神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)在數(shù)據(jù)中找到熟悉的信號(hào)，但它們不一定適合于尋找新的信號(hào)——比如地殼板塊碰撞時(shí)發(fā)出的聲音。

但是在洛斯阿拉莫斯，約翰遜博士和他的同事們已經(jīng)證明了一種叫做“隨機(jī)森林”(random forests)的機(jī)器學(xué)習(xí)技術(shù)，它能夠在實(shí)驗(yàn)室內(nèi)產(chǎn)生的模擬斷層中發(fā)現(xiàn)先前未知的信號(hào)。有一次，他們的系統(tǒng)顯示，由斷層發(fā)出的特定聲音實(shí)際上預(yù)示了地震將在何時(shí)到來(lái)，而科學(xué)家們以前認(rèn)為這種聲音毫無(wú)意義。

另外一些科學(xué)家——比如東京大學(xué)的地震學(xué)家羅伯特·蓋勒(Robert Geller)——并不相信人工智能將改善地震預(yù)測(cè)。他對(duì)過(guò)去的地震可以預(yù)測(cè)未來(lái)地震的假設(shè)表示了質(zhì)疑。他說(shuō)，只有當(dāng)?shù)卣痤A(yù)測(cè)不再是碰運(yùn)氣時(shí)，我們才能最終了解到人工智能預(yù)測(cè)地震的有效性(到底有多高)。

“(地震預(yù)測(cè))沒(méi)有捷徑好走，”蓋勒說(shuō)，“如果不能預(yù)測(cè)未來(lái)，那么你的假設(shè)就是錯(cuò)的。”