Als die Forscher von Los Alamos das Innenleben ihres Algorithmus untersuchten, überraschte sie das, was sie gelernt hatten. Das statistische Merkmal, auf das sich der Algorithmus am stärksten für seine Vorhersagen stützte, hatte nichts mit den Vorläuferereignissen kurz vor einem Laborbeben zu tun. Vielmehr war es die Varianz — ein Maß dafür, wie das Signal über den Mittelwert schwankt — und es wurde während des Stick-Slip-Zyklus ausgestrahlt, nicht nur in den Momenten unmittelbar vor dem Ausfall., Die Varianz würde klein anfangen und dann im Vorfeld eines Bebens allmählich ansteigen, vermutlich, da sich die Körner zwischen den Blöcken unter der zunehmenden Scherspannung zunehmend gegenseitig drängten. Nur wenn man diese Varianz kennt, könnte der Algorithmus eine anständige Vermutung machen, wann ein Schlupf auftreten würde; Informationen über Vorläuferereignisse halfen, diese Vermutungen zu verfeinern.
Der Befund hatte große potenzielle Auswirkungen. Jahrzehntelang, Möchtegern-Erdbebenprognostiker hatten sich auf Vorboten und andere isolierte seismische Ereignisse konzentriert., Das Los Alamos-Ergebnis deutete darauf hin, dass alle am falschen Ort gesucht hatten — dass der Schlüssel zur Vorhersage stattdessen in den subtileren Informationen lag, die während der relativ ruhigen Perioden zwischen den großen seismischen Ereignissen ausgestrahlt wurden.
Um sicherzugehen, beginnen Gleitblöcke nicht, die chemische, thermische und morphologische Komplexität echter geologischer Fehler einzufangen. Um zu zeigen, dass maschinelles Lernen echte Erdbeben vorhersagen kann, musste Johnson es an einem echten Fehler testen. Gibt es einen besseren Ort, um das zu tun, dachte er, als im pazifischen Nordwesten?,
Out of the Lab
Die meisten, wenn nicht alle Orte auf der Erde, die ein Erdbeben der Stärke 9 erleben können, sind Subduktionszonen, in denen eine tektonische Platte unter eine andere taucht. Eine Subduktionszone östlich von Japan war für das Tohoku-Erdbeben und den anschließenden Tsunami verantwortlich, der 2011 die Küste des Landes verwüstete. Eines Tages wird die Cascadia-Subduktionszone, in der die Juan de Fuca-Platte unter die nordamerikanische Platte taucht, in ähnlicher Weise Puget Sound, Vancouver Island und den umliegenden pazifischen Nordwesten verwüsten.,
Die Cascadia-Subduktionszone erstreckt sich über rund 1.000 Kilometer der Pazifikküste vom Kap Mendocino in Nordkalifornien bis Vancouver Island. Das letzte Mal, als es im Januar 1700 durchbrach, begann es eine Stärke 9 Temblor und einen Tsunami, der die Küste Japans erreichte. Geologische Aufzeichnungen deuten darauf hin, dass im gesamten Holozän, der Fehler hat solche Megaquakes etwa einmal alle halbe Jahrtausend produziert, geben oder ein paar hundert Jahre dauern. Statistisch gesehen ist der nächste große fällig.,
Das ist ein Grund, warum Seismologen den langsamen Rutsch-Erdbeben der Region so große Aufmerksamkeit geschenkt haben. Es wird angenommen, dass die langsamen Ausrutscher im Unterlauf eines Subduktionszonenfehlers geringe Mengen an Stress auf die spröde Kruste oben übertragen, wo schnelle, katastrophale Beben auftreten. Mit jedem langsamen Ausrutscher im Puget Sound-Vancouver Island-Gebiet steigen die Chancen auf einen Pacific Northwest Megaquake immer so leicht. In der Tat wurde in Japan im Monat vor dem Tohoku-Beben ein langsamer Rückgang beobachtet.,
Für Johnson gibt es jedoch noch einen weiteren Grund, auf langsame Rutsch-Erdbeben zu achten: Sie produzieren viele und viele Daten. Zum Vergleich: Auf der Strecke zwischen Puget Sound und Vancouver Island gab es in den letzten 12 Jahren keine größeren schnellen Erdbeben. In der gleichen Zeitspanne hat der Fehler ein Dutzend langsame Ausrutscher erzeugt, die jeweils in einem detaillierten seismischen Katalog aufgezeichnet wurden.
Dieser seismische Katalog ist das reale Gegenstück zu den akustischen Aufnahmen aus Johnsons Erdbebenexperiment im Labor., Genau wie bei den akustischen Aufnahmen zerschnitten Johnson und seine Mitarbeiter die seismischen Daten in kleine Segmente und charakterisierten jedes Segment mit einer Reihe statistischer Merkmale. Anschließend fütterten sie diese Trainingsdaten zusammen mit Informationen über den Zeitpunkt vergangener Slow-Slip-Ereignisse in ihren Machine-Learning-Algorithmus.
Nach dem Training mit Daten von 2007 bis 2013 konnte der Algorithmus basierend auf den in den Monaten vor jedem Ereignis protokollierten Daten Vorhersagen über langsame Ausrutscher zwischen 2013 und 2018 treffen., Das Hauptmerkmal war die seismische Energie, eine Menge, die eng mit der Varianz des akustischen Signals in den Laborexperimenten zusammenhängt. Wie die Varianz stieg die seismische Energie im Vorfeld jedes langsamen Schlupfes charakteristisch an.
Die Cascadia-Prognosen waren nicht ganz so genau wie die für Laborbeben. Die Korrelationskoeffizienten charakterisiert, wie gut die Vorhersagen fit Beobachtungen deutlich niedriger, in der neue Ergebnisse, als Sie in der Labor-Studie., Dennoch konnte der Algorithmus alle bis auf einen der fünf langsamen Ausrutscher zwischen 2013 und 2018 vorhersagen und die Startzeiten, so Johnson, innerhalb weniger Tage bestimmen. (Ein langsamer Ausrutscher im August 2019 wurde nicht in die Studie aufgenommen.)
Für de Hoop ist das große Mitnehmen, dass “ maschinelle Lerntechniken uns einen Korridor gegeben haben, einen Einstieg in die Suche in Daten, um nach Dingen zu suchen, die wir noch nie zuvor identifiziert oder gesehen haben.“Aber er warnt davor, dass noch mehr Arbeit zu erledigen ist. „Ein wichtiger Schritt wurde getan — ein äußerst wichtiger Schritt., Aber es ist wie ein winziger kleiner Schritt in die richtige Richtung.“
Ernüchternde Wahrheiten
Das Ziel der Erdbebenprognose war es noch nie, langsame Ausrutscher vorherzusagen. Es geht vielmehr darum, plötzliche, katastrophale Beben vorherzusagen, die eine Gefahr für Leben und Gliedmaßen darstellen. Für den Ansatz des maschinellen Lernens stellt dies ein scheinbares Paradoxon dar: Die größten Erdbeben, die Seismologen am liebsten vorhersagen würden, sind auch die seltensten. Wie wird ein Algorithmus für maschinelles Lernen jemals genügend Trainingsdaten erhalten, um sie mit Zuversicht vorherzusagen?,
Die Los Alamos Group setzt darauf, dass ihre Algorithmen nicht wirklich auf katastrophale Erdbeben trainieren müssen, um sie vorherzusagen. Neuere Studien legen nahe, dass die seismischen Muster vor kleinen Erdbeben statistisch denen ihrer größeren Gegenstücke ähnlich sind, und an einem bestimmten Tag können Dutzende von kleinen Erdbeben auf einem einzigen Fehler auftreten. Ein Computer, der auf Tausenden dieser kleinen Temblors trainiert wurde, könnte vielseitig genug sein, um die großen vorherzusagen., Machine Learning-Algorithmen könnten auch in der Lage sein, auf Computersimulationen von schnellen Erdbeben zu trainieren, die eines Tages als Proxys für reale Daten dienen könnten.
Trotzdem werden sich Wissenschaftler dieser ernüchternden Wahrheit stellen: Obwohl die physikalischen Prozesse, die einen Fehler an den Rand eines Erdbebens treiben, vorhersehbar sein können, wird von den meisten Wissenschaftlern angenommen, dass die tatsächliche Auslösung eines Bebens — das Wachstum einer kleinen seismischen Störung in einen ausgewachsenen Fehlerbruch-zumindest ein Element der Zufälligkeit enthält., Angenommen, das ist so, egal wie gut Maschinen trainiert werden, Sie können möglicherweise nie Erdbeben vorhersagen, und Wissenschaftler sagen andere Naturkatastrophen voraus.
„Wir wissen noch nicht, was Prognose in Bezug auf Timing bedeutet“, sagte Johnson. „Wäre es wie ein Hurrikan? Nein, das glaube ich nicht.“
Im besten Fall haben Vorhersagen großer Erdbeben wahrscheinlich Zeitgrenzen von Wochen, Monaten oder Jahren. Solche Prognosen könnten wahrscheinlich nicht verwendet werden, sagen wir, um eine Massenevakuierung am Vorabend eines Temblor zu koordinieren., Sie könnten jedoch die öffentliche Bereitschaft erhöhen, Beamten helfen, ihre Bemühungen um die Nachrüstung unsicherer Gebäude gezielt zu unterstützen und auf andere Weise die Gefahren katastrophaler Erdbeben zu mindern.
Johnson sieht das als ein Ziel, das es wert ist, angestrebt zu werden. Doch der Realist weiß, dass es einige Zeit dauern wird. „Ich sage nicht, dass wir Erdbeben in meinem Leben vorhersagen werden“, sagte er, “ aber … wir werden verdammt viele Fortschritte machen.“
Dieser Artikel wurde nachgedruckt auf Wired.com.