Amerikāņu un britu ģeologi ir izveidojuši jaunu mākslīgā intelekta sistēmu, kas spēj paredzēt zemestrīces, un veiksmīgi to pārbaudīja laboratorijas zemestrīces simulatorā, teikts rakstā, kas publicēts žurnālā GRL.
“Pirmo reizi mēs esam spējuši izmantot mašīnmācīšanās sistēmu, lai analizētu akustiskos datus un paredzētu zemestrīci ilgi pirms tā faktiski notiek. Tas ļauj mums iegūt pietiekami daudz laika, lai savlaicīgi brīdinātu un evakuētu iedzīvotājus. Tas ir pārsteidzoši, kādas iespējas mākslīgais intelekts mums sniedz,”sacīja Kolins Humfrīss no Kembridžas universitātes.
Zemestrīces un citas bīstamas kataklizmas, kas saistītas ar Zemes iekšpusi, visbiežāk notiek pie defektu robežām starp tektoniskajām plāksnēm, kuru kustību bieži apgrūtina pārkāpumi to malās. Kad plākšņu kustība apstājas, to saskares vietā uzkrājas potenciālā enerģija, kas var tikt atbrīvota siltuma un spēcīgu akustisko viļņu pārrāvumu brīdī, kad klintis šajos nelīdzenumos nevar izturēt un saplīst.
Zinātnieki jau sen mēģina saprast, kādi procesi kontrolē šīs enerģijas uzkrāšanos, un arī meklē veidus, kā "redzēt cauri" Zemes interjeru, lai mēs varētu uzzināt par šādu tektoniskā stresa zonu parādīšanos un prognozēt jaunu drebu rašanās varbūtību, stiprumu un laiku pēc to īpašībām.
Neskatoties uz milzīgo progresu šajā jomā, šādas prognozes joprojām ir ārkārtīgi neprecīzas, kas bieži izraisa strīdus starp zinātniekiem un politiķiem, kuriem nepatīk divdomība. Piemēram, seismologi, kuri nepareizi prognozēja 2009. gada Itālijas L'Akvilas zemestrīces apmēru, saņēma reālus cietumsodus par iedzīvotāju "dezinformāciju" un apmēram trīs simtu cilvēku nāvi. Tas vēl vairāk motivē seismologus un citus zinātniekus veikt īpašas nākotnes prognozes.
Pēc Humphreys teiktā, viens no iemesliem, kāpēc pašreizējās zemestrīces prognozes ir neprecīzas vai kļūdainas, ir tas, ka seismogrāfi un citas novērošanas ierīces saņem neskaitāmus signālus, tikai daži no tiem ir saistīti ar enerģijas uzkrāšanos pie kļūdu robežas, bet citi rodas citu parādību dēļ., nekādā veidā nav saistīts ar tektoniskiem procesiem.
Dažos gadījumos šos “šķēršļus” var novērst - un tad prognoze ir diezgan precīza, un citos gadījumos, piemēram, 2009. gada katastrofa, neveiksmes šajā sakarā beidzas neparedzamā veidā.
Līdzīgas problēmas, kā pamanīja Humfrijs un viņa kolēģi, šodien risina pavisam citas zinātnes pārstāvji - datoru inženieri, kuri izstrādā dažādas mašīnmācīšanās un mākslīgā intelekta sistēmas. Mūsdienu neironu tīklu galvenā iezīme ir tā, ka tie var analizēt ļoti "netīrus" datus un atrast tajos to, kas nepieciešams kādas problēmas risināšanai: piemēram, kaķu un suņu attēlu šķirošanai vai runas atpazīšanai trokšņainā telpā.
Reklāmas video:
Šīs idejas vadībā zinātnieki ir izveidojuši īpašu "zemestrīces emulatoru" Los Alamos Nacionālajā laboratorijā ASV, kas pilnībā imitē to, kas notiek kļūmēs, kad piedzimst jauni trīcējumi, un izmantoja to, lai iemācītu neironu tīklu "redzēt" turpmāko zemestrīču pēdas. datu kopā, kuru apkopo seismogrāfi.
Pēc kāda laika mašīna iemācījās pareizi paredzēt "laboratorijas" zemestrīces ar ļoti augstu precizitātes un uzticamības pakāpi - tas, pēc zinātnieku domām, liecina, ka līdzīgas metodes var izmantot, lai paredzētu reālo seismisko situāciju. No otras puses, pašreizējo algoritmu, visticamāk, vēl nevar izmantot šiem mērķiem, jo tas tika “apmācīts” nevis uz reāliem datiem, bet gan uz to atdarināšanu, un tāpēc tā prognozes var būt diezgan neprecīzas, strādājot laukā.