Američki i britanski geolozi stvorili su novi sustav umjetne inteligencije koji je sposoban predvidjeti potres i uspješno su ga testirali u laboratorijskom simulatoru potresa, navodi se u članku objavljenom u časopisu GRL.
„Prvi put smo mogli koristiti sustav strojnog učenja za analizu akustičkih podataka i predviđanje potresa mnogo prije nego što se to zapravo dogodi. To nam omogućava da dobijemo dovoljno vremena za pravovremeno upozoravanje i evakuaciju stanovništva. Nevjerojatno je što nam pružaju umjetne inteligencije , rekao je Colin Humphries sa Sveučilišta u Cambridgeu.
Zemljotresi i druge opasne kataklizme povezane sa Zemljinom unutrašnjošću najčešće se javljaju na granicama rasjeda između tektonskih ploča, čije kretanje je često ometano nepravilnostima na njihovim rubovima. Kad se kretanje ploča zaustavi, potencijalna energija se akumulira u mjestu njihovog dodira, što se može osloboditi u obliku topline i snažnih praska akustičnih valova u trenutku kada stijene u tim nepravilnostima ne mogu izdržati i probiti se.
Znanstvenici već dugo pokušavaju shvatiti koji procesi kontroliraju akumulaciju ove energije, a također traže načine kako „vidjeti“unutrašnjost Zemlje kako bismo mogli učiti o pojavi takvih zona tektonskog stresa i predvidjeti po njihovim svojstvima vjerojatnost, snagu i vrijeme novih potresa.
Unatoč ogromnom napretku u ovom području, takva su predviđanja i dalje krajnje netočna, što često stvara sporove između znanstvenika i političara koji ne vole nejasnoće. Na primjer, seizmolozi koji su pogrešno predvidjeli magnitudu zemljotresa u L'Aquili u Italiji 2009. dobili su stvarne zatvorske kazne za "dezinformacije" stanovništva i smrt oko tristo ljudi. To dodatno motivira seizmologe i druge znanstvenike da naprave bilo kakva određena predviđanja za budućnost.
Prema Humphreysu, jedan od razloga zašto su trenutna predviđanja potresa netočna ili pogrešna je taj što seizmografi i drugi promatrački uređaji primaju bezbroj signala, od kojih su samo neki povezani s nakupljanjem energije na granicama grešaka, dok su drugi generirani drugim pojavama., koji nisu ni na koji način povezani s tektonskim procesima.
U nekim se slučajevima ove prepreke mogu ukloniti - i tada je prognoza vrlo točna, a u drugim slučajevima, poput katastrofe 2009., neuspjeh u tom pogledu završava nepredvidivim načinom.
Slične probleme, primijetili su Humphries i njegovi kolege, danas predstavnici potpuno različite znanosti - računalni inženjeri koji razvijaju različite sustave strojnog učenja i umjetne inteligencije. Ključna značajka modernih neuronskih mreža je da mogu analizirati vrlo „prljave“podatke i pronaći u njima ono što je potrebno za rješenje problema: na primjer, za razvrstavanje slika mačaka i pasa ili prepoznavanje govora u bučnoj sobi.
Promotivni video:
Vođeni ovom idejom, znanstvenici su stvorili poseban "emulator potresa" u Nacionalnom laboratoriju u Los Alamosu u SAD-u, koji u potpunosti oponaša ono što se događa u greškama kada se rađaju novi drhtavi, i koristili su ga da nauče neuronsku mrežu da "vidi" tragove budućih potresa. u skupu podataka koji sakupljaju seizmografi.
Nakon nekog vremena, stroj je naučio ispravno predvidjeti "laboratorijske" potresa s vrlo visokim stupnjem točnosti i pouzdanosti - to, prema znanstvenicima, pokazuje da se slične metode mogu upotrijebiti za predviđanje stvarne seizmičke situacije. S druge strane, trenutni algoritam, najvjerojatnije, još uvijek ne može biti korišten u ove svrhe, jer je bio "obučen" ne na stvarnim podacima, već na njihovoj imitaciji, i stoga njegova predviđanja mogu biti prilično netočna prilikom rada na terenu.
