雷鋒網消息，近日，來自 Google 人工智能部門和哈佛大學的研究人員已經建立了一個人工智能模型，能夠預測大地震后長達一年的余震位置。該模型訓練了近幾十年來的 199 次大地震以及之后帶來的 13 萬次余震，并發現比目前用于預測余震的方法更精確。
用于訓練神經網絡的余震數據集來自距離每個地震震中垂直延伸 50 公里、水平延伸 100 公里的周邊地區。
哈佛大學地球和行星科學系的 Phoebe DeVries 在電話采訪中表示：
我們發現，在將這些模型應力變化輸入神經網絡后，在測試數據中，神經網絡可以更準確地對余震位置進行預測，這比在余震研究中經常使用的庫侖破壞應力變化基準預測的更準確。
用于訓練該模型的數據來自知名的大地震，例如 2004 年蘇門答臘地震、2011 年日本地震、1989 年舊金山灣區的洛馬普里塔地震和 1994 年洛杉磯附近的北嶺地震。
這項研究成果發表在《自然》雜志上。雷鋒網了解到，該研究由 DeVries 與 Google 機器學習研究人員 Martin Wattenberg 和 Fernanda Viégas 以及 Google 人工智能招聘負責人 Brendan Meade 共同撰寫。雖然 DeVries 和 Meade 認為他們自己是地球計算科學家，但是目前沒有實際的地震學家參與這項研究。
另外，AI 模型在訓練過程中的經驗將被用來探索一個更大的問題：究竟是什么引發地震？對此，Meade 在電話采訪中表示:
雖然大多數神經網絡都非常難以解釋，有時也被稱為黑匣子，但我認為，因為我們對可能牽涉其中的物理學有了一些概念，所以我們了解到通過彈性傳遞應力是重要的，結論證明我們的結果是可以接受的。我們能夠看到這個模型計算出的結果是有意義的，它實際上為我們指出了一些可能引發地震的不同的物理理論，因此它正引導我們走向一個令人興奮的新方向。
Meade 說，該模型無法對由火山爆發等其他重大自然災害所產生的地震產生影響。
任何機器學習應用，不管神經網絡是否具有推理能力，不僅取決于算法結構，而且取決于它所使用的訓練集，而且我們沒有使用與火山有關的訓練集或諸如此類的東西，所以我們根本沒有理由相信它會對所有的地震預測起作用。
Meade 補充道，這個模型是利用過去幾年大地震的歷史數據來訓練的，但接下來，會加入將來的地震數據。
