人工智能正在帮助地震学家寻找下一个大规模地震

加利福尼亚州下方 隐藏着一个断层迷宫——这些地方的大块岩石相互滑动、移动或挤入彼此之中。它们的运动速度与指甲生长的速度相当，直到最终猛烈地震动，地面摇晃。破坏性的地震不可避免地会袭击该州。无法阻止它们的发生。但是了解它们可能发生的地方以及它们可能释放的能量类型意味着社区可以做好准备。

换句话说，缓解未来灾难的最佳方法是绘制地下世界的地图，记录每一条断层并监测其活动。

为了创建这些地图，研究人员在地表部署地震仪——这些小型设备可以感知并记录各种振动，包括地震。地震波有点像音乐。识别它们的音符和节奏变化，科学家就可以推断出是什么地下“乐器”创造了这些波，它们的位置以及它们在断裂时的行为。

(什么导致地震？)

“我们有大量的数据可供使用，”罗斯说。他解释说，由于加利福尼亚州地质活动非常活跃，并且遍布地震仪，因此数据量之大超出了人类专家单独处理的合理范围。此外，大多数断层滑动会产生微小到无法察觉的地震。这些地震产生的地震波极其细微，即使是最有经验的地震学家也很难在地震数据中发现它们，尤其是在这些信号看起来像是来自人为来源（如交通）的噪声时。

2017年，罗斯有了一个顿悟。他看到了机器学习程序处理大量照片的能力——能够识别和分类其中的元素，并且其准确性和速度是人类无法比拟的。因此，他认为为什么不将类似的方法应用于地震学呢？

罗斯的第一个目标是那些众多的微小地震。它们可能是无害的，但这并不意味着它们不重要——它们产生的波可以照亮每一个经过的断层，包括可能有一天会断裂并引发灾难的更加危险、充满应力的断层。

罗斯和他的同事们从整个南加州收集了人类科学家已经确认为真实地震的地震波形。然后，他们制作了这些地震的模板，即每个地震的地震波模式快照。最后，他在地震记录上设置了一个算法，寻找与那些模板相匹配的难以发现的地震。

该算法迅速识别出了从2008年到2017年间近两百万个此前未被发现的微小地震，进而揭示了一个复杂的断层网络和之前地震搜索未能察觉的断层特征。

罗斯说，2019年公布的结果“好得让你不得不质疑你所看到的是否真的有效。”华盛顿大学地球物理学家马琳·德诺尔也同意这是一个非常酷的研究成果，并且她在自己的研究中也使用机器学习。“那里的研究成果是惊人的。”

然而有一个缺点。这个程序，可以说是真正的AI软件的前身，只能识别出它被教导能够识别的地震事件。新的或未知的地震活动则会被忽略。

所以罗斯转向了更先进的工具：自我学习程序，能够利用现有的信息对未来进行预测的软件——在这种情况下，即预测各种不同类型的地震可能发出的声音。很快，这些程序发现了许多听起来很陌生的地震——后来被人类科学家验证。罗斯说：“你会发现很多之前完全被忽视的东西。”

这些机器学习程序仍在不断发展，并已超越了识别静默地震和隐藏断层的能力。它们在加利福尼亚州各地部署，发现了新的持续时间较长且缓慢迁移的地震群类别。在夏威夷，他们发现了一个由传统地震分析方法无法识别的脉动和移动的熔岩网络，该网络位于两座活火山之下。

(火山预报不久将成为现实，得益于人工智能。)

“这远远超出了我们几年前能够做到的水平，”罗斯说。“现在已经达到超越人类的水平了。”

如今，许多地震学界的专家对罗斯的工作持谨慎乐观的态度。“我认为这真的可以推动地震学领域向前发展，”地震风险和地震科学家 Wendy Bohon 说。人工智能增强了单个科学家的能力，并加速了这些能力的应用。它可以同时处理大量地震记录，在相同的时间内比任何人类都能更快、更精确地以三维形式呈现它们。

有些担心认为，那些没有学习过机器学习的地球科学家可能需要追赶一些内容。“我们如何培训更广泛的地震学界了解这些产品背后的原理，以便能够适当评估它们？”Bohon问道。

随着这些机器学习程序的工作精度越来越高，它们可能会使地球大部分浅层地下变得更加清晰。最终，它们也可能被用来提高地震早期预警系统的速度和准确性——这是一系列在地震开始后的几分钟内预测对生命和财产的威胁，并在地震波到达之前向人们发送紧急短信的自动化系统。这些程序将加入越来越多用于减轻灾害的人工智能工具中。例如，在地震频发的东京，人工智能软件将会扫描安装在城市各处高点摄像头拍摄的画面，识别火灾和建筑物倒塌，并在事件发生的瞬间通知有关部门。这样的程序可以节省宝贵的搜索和救援时间。

但尽管它们充满前景，人工智能程序不会取代人类科学家。“它们只是工具，”罗斯说——他认为最终这些工具会变得像地震仪一样普通。