美国国家实验室利用机器学习预测地震
据《科学美国人》报道，预测地震是地震学长期追寻的目标。毕竟，地震是致命的，正是因为它们没有规律——不期而至，引发火灾和海啸，有时夺取成千上万条性命。如果科学家能够在大地震到来前数周或数月对公众发出警告，就能进行疏散和其他准备，拯救无数的生命。
即使很多科学家都进行了努力，但到目前为止还没有人找到可靠的方法来预测地震。有些专家认为这是徒劳的尝试。美国洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）的地球物理学家保罗·约翰逊（Paul Johnson）表示，“如果你说自己打算在预测地震方面取得进展，你就会被看成疯子。”但他正在这么做，他认为利用强大的工具就可能解决这一不可能任务：人工智能。
全球各地的研究人员已耗费了数十年去研究他们认为可能有效预测地震的各种现象：前震、电磁干扰、地下水化学变化——甚至不寻常的动物行为。但是，没有一种现象能始终有效。在二十世纪八十年代和九十年代，数学家和物理学家甚至尝试过利用机器学习进行地震预测，但还是没有成功。美国哥伦比亚大学（Columbia University）的地震学家说，“整个话题都有点让人一筹莫展。”
但是，技术进步——机器学习算法和超级计算机的改进以及存储、处理数据的能力提高——可能给约翰逊的研究团队运用人工智能带来了新的优势。约翰逊表示，“如果我们10年前就尝试这样做，我们可能没有办法。”现在他正与来自多个机构的研究人员展开合作。有了更精密的计算，他的团队正在实验室进行从未有人做过的尝试：他们给机器提供原始数据——在实验室模拟的地震事件前、中、后连续得到的大量测量数据。然后，他们让算法对这些数据进行筛选，找出人工地震发生时会发出稳定信号的模式。除了实验室模拟，该研究团队也开始利用真实地震的原始地震数据来进行相同类型的机器学习分析。
这与过去科学家进行的地震预测尝试不同——他们主要利用名为“地震目录”的经处理地震数据来寻找预测线索。这些数据集只包含地震震级、位置和时间，忽略了其余信息。通过运用原始数据，约翰逊的机器算法可能选出重要的预测标志。
约翰逊与美国宾夕法尼亚州立大学（Pennsylvania State University）的地球物理学家合作，利用该校的地震模拟器已经开始了实验室实验。模拟器随机生成地震，并为开源机器学习算法产生数据——该系统得到了一些令人意外的结果。研究人员发现，计算机算法在声学数据中找到了可靠信号——“嘎吱和咯咯”噪音，实验室模拟的构造板随时间移动，这种噪音就持续发生。该算法发现，随着人工构造系统靠近模拟的地震，这些噪音以特定的方式改变——这意味着约翰逊可以在任何时间点查看这一声学信号，并有把握预测地震发生的时间。
举个例子，如果人工地震将在20秒内发生，研究人员可以分析信号，准确预测该地震，精确到秒。“算法不仅能在很短的时间界限内告诉我们地震何时发生——还能告诉我们之前未曾留意过的系统现象。”研究人员解释说，“回想起来，这很明显，但我们多年来一直忽略了，因为我们把精力集中于处理后的数据。”在他们的实验室实验中，研究团队观察声学信号，回溯预测了地震事件。约翰逊指出预测应该也能实时成功。
当然，自然地震比实验室产生的地震要复杂得多，在实验室中成功的方法可能在现实世界是另一回事。例如，地震学家还未在自然地震系统中观察到算法在实验室模拟中一直检测到的“嘎吱和咯咯”噪音（但是约翰逊认为这种声音可能存在，他的团队正在对此展开研究）。不出所料，许多地震学家对机器学习能提供突破持怀疑态度——也许部分原因在于过去太多失败的尝试已经让他们精疲力尽了。“这是个令人激动的研究，我认为我们可以从这项工作中学到不少东西，但要将其运用于现实的地震上就还存在很多问题。”地震学家表示。
约翰逊也很谨慎——太小心翼翼了，甚至不愿将他在做的工作称为“地震预测”。他说，“我们意识到，如果我们宣布的东西是没人相信我们可以做出来的，那就必须要对可信度慎之又慎。”约翰逊还指出，现在他只是在寻找一种估计地震时间而非震级的方法——他表示，预测地震震级是一件更艰难的事。
但地震学家还没有接受这项研究，仍然认为约翰逊需要继续探索这一方法。“有可能它真的很不错，”美国地质调查局（U.S. Geological Survey）的一名地球物理学家说，“机器学习的强大在于你可以把所有东西都丢进去，有用的参数自然就会掉出来。”所以，即使约翰逊的实验室实验得到的噪音信号没有成功，他和其他科学家可能还是会把机器学习应用于自然地震数据，找到其他的有效信号。
约翰逊已经开始将他的方法用于真实世界数据——机器学习算法会分析来自法国科学家、美国劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）及其他来源的地震测量值。如果这种方法可行，他认为专家提前数月甚至数年预测地震是可以实现的。“这才刚刚开始，”他说，“我预测，在未来五到十年，机器学习会改变我们做科学的方式。”