, kun Los Alamosin tutkijat tutkivat algoritminsa sisäisiä toimintoja, heidän oppimansa yllätti heidät. Tilastollinen ominaisuus, johon algoritmi nojasi raskaimmin ennusteitaan varten, ei liittynyt edeltäjätapahtumiin juuri ennen laboratoriojäristystä. Sen sijaan se oli varianssi-mitta siitä, miten signaali vaihtelee keskiarvosta-ja se lähetettiin koko tikku-liukujakson ajan, ei vain juuri ennen epäonnistumista., Varianssi olisi aloittaa pieni, ja sitten vähitellen kiivetä aikana run-up järistys, oletettavasti koska jyvät lohkojen välillä yhä jostled toisiaan alle asennus leikkausjännitys. Vain tietäen tämän varianssi, algoritmi voisi tehdä kelpo arvaus milloin lipsahdus tapahtuisi; tiedot esiasteiden tapahtumia auttoi tarkentamaan näitä arvauksia.
löydöksellä oli suuria potentiaalisia vaikutuksia. Maanjäristyksen ennustajat olivat vuosikymmenien ajan törmänneet aavikkoihin ja muihin yksittäisiin seismisiin tapahtumiin., Los Alamosin tulos antoi ymmärtää, että kaikki olivat katsoneet väärään paikkaan-että ennustamisen avain piilee sen sijaan hienovaraisemmassa informaatiolähetyksessä suurten seismisten tapahtumien välisinä suhteellisen rauhallisina ajanjaksoina.
varmuuden vuoksi liukulohkot eivät ala kaapata todellisten geologisten vikojen kemiallista, termistä ja morfologista monimutkaisuutta. Osoittaakseen, että koneoppiminen voisi ennustaa todellisia maanjäristyksiä, Johnsonin piti testata sitä todellisella vialla. Mikä olisi parempi paikka tehdä se, hän arveli, kuin Tyynenmeren luoteisosassa?,
laboratoriosta
useimmat ellei kaikki ne paikat maapallolla, jotka voivat kokea magnitudin 9 maanjäristyksen, ovat subduktiovyöhykkeitä, joissa yksi mannerlaatta sukeltaa toisen alapuolelle. Subduction zone vain itään Japani oli vastuussa Tohokun maanjäristyksen ja sitä seuranneen tsunamin, joka tuhosi maan rannikolla vuonna 2011. Eräänä päivänä Cascadian subduktiovyöhyke, jossa Juan de Fuca-levy sukeltaa Pohjois-Amerikan laatan alle, tuhoaa samalla tavalla Puget Soundin, Vancouverin saaren ja ympäröivän Tyynenmeren luoteisosan.,
Cascadia subduktiovyöhyke ulottuu noin 1 000 kilometrin päähän Tyynenmeren rannikosta Pohjois-Kalifornian Cape Mendocinosta Vancouverin saarelle. Viimeksi se rikkoi tammikuussa 1700, se siitti suuruusluokkaa 9 temblor ja tsunami, jotka pääsivät rannikolla Japanissa. Geologinen kirjaa viittaavat siihen, että koko Holoseenikauden, vika on tuottanut megaquakes noin kerran puolen vuosituhannen, antaa tai ottaa muutaman sata vuotta. Tilastollisesti seuraava iso on tulossa minä tahansa vuosisatana.,
se on yksi syy siihen, miksi seismologit ovat kiinnittäneet niin paljon huomiota alueen hitaisiin liuku-maanjäristyksiin. Subduction-zone-vian alajuoksun hitaiden liukumien arvellaan siirtävän pieniä määriä stressiä yllä olevaan hauraaseen kuoreen, jossa tapahtuu nopeita, katastrofaalisia järistyksiä. Jokainen hidas lipsahdus Puget Sound-Vancouver Island alueella, mahdollisuudet Tyynenmeren luoteisosan megaquake ratchet ylös koskaan niin vähän. Japanissa havaitaankin hidas lipsahdus Tohokun järistykseen johtaneessa kuussa.,
Johnsonille on kuitenkin toinen syy kiinnittää huomiota hitaisiin liukuaaltoihin: ne tuottavat paljon ja paljon dataa. Vertailun vuoksi, Puget Soundin ja Vancouverin saaren välisellä vian osuudella ei ole tapahtunut suuria nopeita maanjäristyksiä viimeisten 12 vuoden aikana. Samalla aikajänteellä vika on tuottanut tusinan verran hitaita lipsahduksia, joista jokainen on kirjattu yksityiskohtaiseen seismiseen luetteloon.
että seisminen luettelo on reaalimaailman vastine Johnsonin laboratorion maanjäristyskokeilun akustisille äänitteille., Samoin kuin he tekivät akustisten äänitteiden kanssa, Johnson työtovereineen paloitteli seismisen datan pieniksi segmenteiksi, luonnehtien jokaista segmenttiä tilastollisilla ominaisuuksilla. Ne syötetään sitten, että koulutuksen tiedot, sekä tietoa ajoitus ohi hitaasti liukua tapahtumia, niiden kone-oppimisen algoritmi.
vuosien 2007-2013 tietojen perusteella algoritmi pystyi tekemään ennusteita vuosina 2013-2018 tapahtuneista hitaista liukastumisista kunkin tapahtuman edeltävinä kuukausina kirjattujen tietojen perusteella., Keskeinen ominaisuus oli seisminen energia, joka oli laboratoriokokeissa akustisen signaalin varianssiin läheisesti liittyvä määrä. Kuten varianssi, seisminen energia kiipesi tyypilliseen tapaan jokaisen hitaan liukkauden alla.
Cascadia-ennusteet eivät olleet aivan yhtä tarkkoja kuin laboratoriojäristysten ennusteet. Korrelaatiokertoimet, jotka kuvaavat ennusteiden sopivuutta havaintoihin, olivat uusissa tuloksissa huomattavasti alhaisemmat kuin laboratoriotutkimuksissa., Silti algoritmi pystyi ennustamaan kaikki paitsi yhden viidestä hitaasta lipsahduksesta, jotka tapahtuivat vuosien 2013 ja 2018 välillä, kertoo Johnson muutamassa päivässä. (Hidas lipsahdus, joka tapahtui elokuussa 2019, ei ollut mukana tutkimuksessa.)
de Hoopille iso takeaway on se, että ”koneoppimistekniikat ovat antaneet meille käytävän, pääsyn datahakuun etsimään asioita, joita emme ole aiemmin tunnistaneet tai nähneet.”Mutta hän varoittaa, että työtä on vielä tehtävänä. ”On otettu tärkeä askel — erittäin tärkeä askel., Mutta se on kuin pieni askel oikeaan suuntaan.”
Vakavoittavat totuudet
maanjäristyksen ennustamisen tavoitteena ei ole koskaan ollut hitaiden liukastumisten ennustaminen. Sen sijaan on ennustettava äkillisiä, katastrofaalisia järistyksiä, jotka aiheuttavat vaaraa hengelle ja raajalle. Koneoppimisen lähestymistavalle tämä on näennäinen paradoksi: myös suurimmat maanjäristykset, joita seismologit haluaisivat eniten osata ennustaa, ovat harvinaisimpia. Miten koneoppimisen algoritmi koskaan saa tarpeeksi harjoitustietoa ennustaakseen niitä luottavaisin mielin?,
Los Alamos-ryhmä veikkaa, ettei heidän algoritmiensa tarvitse oikeasti harjoitella katastrofaalisia maanjäristyksiä ennustaakseen niitä. Viimeaikaiset tutkimukset viittaavat siihen, että seisminen kuvioita, ennen kuin pienet maanjäristykset ovat tilastollisesti samanlaisia kuin suuremmilla, ja tiettynä päivänä, kymmeniä pieniä maanjäristyksiä saattaa esiintyä yhdellä vika. Tuhansilla pienillä tembloreilla koulutettu tietokone saattaa olla riittävän monipuolinen ennustamaan Isot., Koneoppimisalgoritmit saattavat myös pystyä harjoittelemaan tietokonesimulaatioita nopeista maanjäristyksistä, jotka voisivat jonakin päivänä toimia todellisiin tietoihin pohjautuvina proxioina.
Mutta jopa niin, tutkijat kohdata tämä vakavoittava totuus: Vaikka fyysisiä prosesseja, jotka ajaa vika partaalle maanjäristys voi olla ennustettavissa, todellinen käynnistää quake — kasvu pieni seismisen häiriön osaksi täysimittainen vika repeämä — uskotaan, useimmat tutkijat oltava vähintään osa satunnaisuuden., Olettaen, että niin, riippumatta siitä, kuinka hyvin koneet on koulutettu, he eivät ehkä koskaan pysty ennustamaan maanjäristyksiä sekä tutkijat ennustavat muita luonnonkatastrofeja.
”emme tiedä vielä, mitä ennustaminen ajoituksen suhteen tarkoittaa”, Johnson sanoi. ”Olisiko se kuin hurrikaani? Enpä usko.”
parhaassa tapauksessa ennusteilla suurista maanjäristyksistä on todennäköisesti viikkojen, kuukausien tai vuosien aikarajat. Tällaisia ennusteita ei todennäköisesti voitu käyttää esimerkiksi joukkoevakuoinnin koordinoimiseen temblorin aattona., Ne voisivat kuitenkin lisätä yleistä valmiutta, auttaa viranomaisia kohdentamaan toimensa vaarallisten rakennusten jälkiasentamiseen ja muutoin lieventää katastrofaalisten maanjäristysten vaaroja.
Johnson näkee sen tavoitteeksi, johon kannattaa pyrkiä. Koskaan realisti kuitenkin tietää, että se vie aikaa. ”En sano, että ennustamme maanjäristyksiä elinaikanani”, hän sanoi, ” mutta … aiomme edistyä helvetisti.”
Tämä artikkeli on uusintapainos Wired.com