هوش مصنوعی تعداد و قدرت پس‌لرزه‌ها را پیش‌بینی می‌کند

به گزارش خبرگزاری علم و فناوری آنا به نقل از مجله نیچر، سه مقاله جدید، مدل‌های یادگیری عمیق را توصیف می‌کنند که عملکرد بهتری نسبت به مدل‌های پیشرفته مرسوم برای پیش‌بینی زلزله‌ها دارند. مدل‌های مقدماتی فقط برای موقعیت‌های محدود مانند ارزیابی خطر پس‌لرزه‌ها پس از وقوع یک زلزله بزرگ از قبل اعمال می‌شوند، اما آن‌ها یک پیشرفتی نادر به سوی هدف طولانی‌مدت به‌کارگیری هوش مصنوعی برای کاهش خطر پس لرزه‌ای هستند.

مورگان پیج، زلزله شناس در سازمان زمین‌شناسی ایالات متحده «یو اس جی اس» (USGS) در پاسادنا، کالیفرنیا، که درگیر این مطالعات بود، می‌گوید: من واقعاً هیجان‌زده هستم که بالاخره این اتفاق می‌افتد.

محققان برای استخراج روند‌های معنی دار از تمام داده‌های زمین لرزه تلاش کرده‌اند. زمین لرزه‌های بزرگ نادر هستند و تشخیص اینکه باید نگران چه چیزی بود کار آسانی نیست.

با این حال، در چند سال گذشته، لرزه‌شناسان از هوش مصنوعی برای کشف زمین‌لرزه‌های کوچکی که قبلاً در پرونده‌های لرزه‌ای مشاهده نشده بودند، استفاده کرده‌اند. این زمین لرزه‌ها کاتالوگ‌های زلزله موجود را افزایش داده اند و خوراک تازه‌ای را برای دور دوم تجزیه و تحلیل هوش مصنوعی فراهم می‌کنند.

پیش‌بینی‌های کنونی «یو اس جی اس» (USGS) از مدلی استفاده می‌کنند که بر اطلاعات اولیه در مورد بزرگی و مکان‌های زلزله گذشته برای پیش‌بینی اتفاقات بعدی متکی است. سه مقاله اخیر در عوض از یک رویکرد شبکه عصبی استفاده می‌کنند که محاسبات را در طول هر مرحله از تجزیه و تحلیل به روز می‌کند تا الگو‌های پیچیده چگونگی وقوع زلزله را بهتر به تصویر بکشد.

کلیان داشر کازینو، ژئوفیزیکدان دانشگاه کالیفرنیا، برکلی و همکارانش مدل خود را بر روی فهرستی از هزاران زمین لرزه که بین سال‌های ۲۰۰۸ تا ۲۰۲۱ جنوب کالیفرنیا را لرزاند، آزمایش کردند. بسیاری از زمین لرزه‌ها در دوره‌های دو هفته‌ای به وقوع پیوسته بودند. همچنین در ثبت دامنه کامل بزرگی زمین لرزه‌های احتمالی بهتر بود، بنابراین احتمال وقوع یک غافلگیری بزرگ را کاهش داد.

ساموئل استاکمن، در دانشگاه بریستول، بریتانیا روش مشابه را توسعه داد که هنگام آموزش در مورد فهرستی از زلزله‌هایی که مرکز ایتالیا را در سال‌های ۲۰۱۶–۲۰۱۷ لرزاند و به چندین شهر آسیب رساند، به خوبی عمل کرد. استوکمن می‌گوید: وقتی محققان بزرگی زمین لرزه‌های موجود در مجموعه آموزشی را کاهش می‌دهند، مدل‌های هوش مصنوعی عملکرد بهتری از خود نشان می‌دهند.

لیلا میزراحی، زلزله شناس در موسسه فناوری فدرال سوئیس «ای تی اچ» (ETH) در زوریخ، می‌گوید که هر سه مدل «متوسط ​​و امیدوارکننده» هستند. او می‌گوید که آن‌ها در شکل فعلی خود پیشرفته نیستند، اما پتانسیلی برای وارد کردن تکنیک‌های هوش مصنوعی به پیش‌بینی زلزله به صورت روزمره را نشان می‌دهند.

ماکسیمیلیان ورنر، زلزله‌شناس دانشگاه بریستول که با استاکمن کار می‌کند، می‌افزاید: هوش مصنوعی به تدریج به بخشی از پیش‌بینی رسمی زلزله در سال‌های آینده تبدیل خواهد شد، زیرا برای کار با مجموعه داده‌های عظیم زلزله که رایج‌تر می‌شوند، بسیار مناسب است.

نیچر می‌گوید: آژانس‌هایی مانند «یو اس جی اس» (USGS) احتمالاً شروع به استفاده از مدل‌های هوش مصنوعی در کنار مدل استاندارد خود خواهند کرد و سپس در صورت اثبات برتری آن، به طور کامل به رویکرد هوش مصنوعی روی خواهند آورد. این می‌تواند پیش بینی‌ها را بهبود بخشد، زمانی که پس لرزه‌ها به طور غیرقابل پیش بینی غوغا می‌کنند و زندگی مردم را برای ماه‌ها مختل می‌کنند، همانطور که در ایتالیا اتفاق افتاد. این مدل‌ها همچنین می‌توانند برای بهبود پیش‌بینی‌ها پس از زمین‌لرزه‌های نادر بزرگ، از جمله زلزله ۶.۸ ریشتری که در ماه سپتامبر مراکش را لرزاند و هزاران کشته برجای گذاشت، استفاده شود.