根据美国媒体报道称，谷歌AI部门和哈佛大学的研究人员已经创建了一个人工智能模型，能够预测大地震后一年内余震的位置。近几十年来，该模型接受了199次大地震事件的训练，随后发生了130,000次余震，并且被发现比用于预测今天余震的方法更准确。
用于训练神经网络的数据集中包含的余震发生在每个地震震中垂直延伸50公里，水平延伸100公里的周边。
“以前的余震预测基线在测试数据集中的精确度约为3％。我们的神经网络方法的精度约为6％，”该项目的研究人员Phoebe DeVries表示，同时在周四的“ 自然 ” 杂志上发表了相关内容。“这种方法更为准确，因为它是在没有强烈关注余震应该发生在哪里的情况下发展起来的。”哈佛大学法新社博士后研究员德弗里斯说。
“我们发现，在将这些模型应力变化馈入神经网络后，神经网络可以更准确地预测测试数据集中的余震位置，即在余震位置研究中大量使用的基线库仑失效应力变化标准， “哈佛大学地球与行星科学系的Phoebe DeVries在接受电话采访时表示。
用于训练模型的数据来自于值得注意的地震，例如2004年苏门答腊地震，2011年日本地震，旧金山湾区1989年Loma Prieta地震以及洛杉矶附近的1994年Northride地震。
结果发表在今天的“自然”杂志上。该研究由DeVries和Google机器学习研究人员Martin Wattenberg和FernandaViégas以及Google AI招聘主管Brendan Meade共同撰写。
虽然DeVries和Meade认为自己是计算地球科学家，但没有真正的地震学家参与这项研究。
培训AI模型的经验教训将用于探索一个更大的问题：什么引发地震？
“虽然大多数神经网络非常难以解释，有时也被称为黑盒子，但我认为因为我们对可能涉及的物理学有了一些了解，所以我们带来了通过弹性传递应力的知识。重要的，“米德在电话采访中告诉VentureBeat。“事实证明我们的结果是可以解释的。我们可以看一下这个网络的内容并真正理解它，它实际上指出了一些可能导致地震触发的物理理论，因此它引领我们走向一个令我们兴奋的新方向。 ”
米德说，该模型无法将其他主要自然灾害（如火山爆发）产生的地震考虑在内。
“任何机器学习应用程序，无论神经网络是否具有推理能力，实际上不仅取决于架构而且取决于用于它的训练集，并且我们没有使用与火山或类似物相关的训练集，所以我们没有理由相信它会对这样的事件起作用，“他说。
Meade说，该模型是根据过去几年大地震的历史数据进行训练的，但未来的地震数据将向前发展。