雷锋网消息，近日，来自 Google 人工智能部门和哈佛大学的研究人员已经建立了一个人工智能模型，能够预测大地震后长达一年的余震位置。该模型训练了近几十年来的 199 次大地震以及之后带来的 13 万次余震，并发现比目前用于预测余震的方法更精确。
用于训练神经网络的余震数据集来自距离每个地震震中垂直延伸 50 公里、水平延伸 100 公里的周边地区。
哈佛大学地球和行星科学系的 Phoebe DeVries 在电话采访中表示：
我们发现，在将这些模型应力变化输入神经网络后，在测试数据中，神经网络可以更准确地对余震位置进行预测，这比在余震研究中经常使用的库仑破坏应力变化基准预测的更准确。
用于训练该模型的数据来自知名的大地震，例如 2004 年苏门答腊地震、2011 年日本地震、1989 年旧金山湾区的洛马普里塔地震和 1994 年洛杉矶附近的北岭地震。
这项研究成果发表在《自然》杂志上。雷锋网了解到，该研究由 DeVries 与 Google 机器学习研究人员 Martin Wattenberg 和 Fernanda Viégas 以及 Google 人工智能招聘负责人 Brendan Meade 共同撰写。虽然 DeVries 和 Meade 认为他们自己是地球计算科学家，但是目前没有实际的地震学家参与这项研究。
另外，AI 模型在训练过程中的经验将被用来探索一个更大的问题：究竟是什么引发地震？对此，Meade 在电话采访中表示:
虽然大多数神经网络都非常难以解释，有时也被称为黑匣子，但我认为，因为我们对可能牵涉其中的物理学有了一些概念，所以我们了解到通过弹性传递应力是重要的，结论证明我们的结果是可以接受的。我们能够看到这个模型计算出的结果是有意义的，它实际上为我们指出了一些可能引发地震的不同的物理理论，因此它正引导我们走向一个令人兴奋的新方向。
Meade 说，该模型无法对由火山爆发等其他重大自然灾害所产生的地震产生影响。
任何机器学习应用，不管神经网络是否具有推理能力，不仅取决于算法结构，而且取决于它所使用的训练集，而且我们没有使用与火山有关的训练集或诸如此类的东西，所以我们根本没有理由相信它会对所有的地震预测起作用。
Meade 补充道，这个模型是利用过去几年大地震的历史数据来训练的，但接下来，会加入将来的地震数据。
Via Venturebeat，雷锋网编译。
