Как известно, после череды наиболее сильных толчков опасность от землетрясения все еще не миновала. Его отголоски в виде т.н. «афтершоков«, повторных землетрясений, будут происходить еще на протяжении нескольких месяцев, уничтожая все то, чему до этого часа повезло уцелеть. В некоторой степени ученые могут предсказать силу и время повторных землетрясений, однако определить их будущее местоположение весьма затруднительно. В новом исследовании, проведенном учеными Гарвардского университета совместно с Google и опубликованном в журнале Nature, эту проблему попытались решить при помощи ИИ.
Как сообщается, исследователи натренировали нейросеть на выборке из 131 000 событий, а затем протестировали ее, используя данные о 30 000 землетрясений. В результате, по шкале надежности от 0 до 1 точность предсказаний нейросети составила 0,849, в то время как точность существующей модели предсказаний — всего 0,583.
По словам Брендана Мида, профессора планетарных наук Гарвардского университета, результаты тестов очень многообещающие.
«Есть три вещи, которые нам следует знать о землетрясениях, — сказал он. — Когда они произойдут, с какой силой и в каком месте. До этого мы могли определить, когда произойдет землетрясение и его силу, теперь нам удалось перейти к предсказаниям места».
Ученые отмечают, что технологии машинного обучения представляют для сейсмологов огромную ценность ввиду их способности обнаруживать паттерны в сложнейших наборах данных. Сейсмические события зависят от огромного множества переменных, оперировать которыми вручную невероятно трудно, говорят исследователи.
Впрочем, несмотря на успех исследования, технология далека от развертывания в реальном мире. Во-первых, ИИ способен предсказывать лишь некоторые виды афтершоков. Также нейросеть слишком медлительна для работы в режиме реального времени. А это существенно ограничивает ее полезность, поскольку большинство повторных землетрясений происходят в первый день после основного землетрясения.
«Мы все еще далеки от того, чтобы прогнозировать афтершоки в режиме реального времени, но машинное обучение в данной сфере определенно имеет огромный потенциал», — заключили исследователи.
Источник: The Verge