[[387555]]

本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。

近日，據中新社報道，中國科學技術大學團隊與中國地震局合作，推出了號稱世界首個人工智能地震實時監測系統——“智能地動”監測系統。

據研究團隊介紹，該系統在1秒之內，不僅可獲得地震三要素（發震時間、震中、震級）信息，還能夠實時分析震源機制，如破裂的斷層、方向等。讓地震的監測，變得更加迅速和全面。

“以往情況下，地震發生后大約3-10分鐘，才會發布出來地震震源機制的報告。而有了智能地動系統，可以在地震破裂尚未到達區域的時候，把相關信息發布出去，對于防震減災有非常大的意義。地震發生后，如能提前3秒接收預警信息，傷亡程度就會減少14%。”該項目的研究員介紹到。

媒體為什么抓錯了重點？

消息一出，該成果被媒體爭相報道。

世界首個人工智能地震監測系統，14個大字，赫然占據了各大媒體的版面。

但多數媒體犯了一個事實錯誤，就是丟掉了“實時”二字。

把人工智能技術應用于地震監測，很多國家已開展此項研究多年，并且實現了一定程度上的工程化和應用落地。

以日本REIS地震預警系統為代表的其他國家的地震自動預警系統為例，它們早已大量應用機器學習、神經網絡、深度學習等AI技術，進行地震的分析和監測。

因此，誰才是第一個人工智能地震預測系統？

婆說婆有理。

而中國科學技術大學團隊與中國地震局合作的“智能地動”監測系統，某種程度上來講，它是全球首個AI地震預測實時系統，重點在于“實時”。

其實在研究團隊接受視頻采訪時，受訪者也談到他們是首個“實時”的系統。

但在多數媒體報道的標題中，實時二字不翼而飛，兩者看似差別不大，實則謬之千里。

實時背后的含義是：速度快，且同步進行。

以全球公認最為先進的日本REIS地震預警系統，可在收到地震波信號5秒鐘后計算出地震位置和震級，約2分鐘后估計出地震破裂的震源機制；美國國家地質調查局的自動速報系統需要3~5分鐘報出地震信息。

而中國的“智能地動”監測系統，可在1秒內計算出地震信息和震源機制，是世界最快的地震預警系統。

推算地震震源機制，是個比較耗時的過程。

中國的“智能地動”監測系統，能夠根據數據庫中匯集的上百萬個地震數據，結合地震學理論，快速處理正在發生的地震數據。不僅可推斷斷層的破裂方向、速度，還可以幫助預測海嘯、強余震的可能分布等信息。

目前，智能地動系統已經在云南四川兩省的中國地震實驗場進行試用。

快雖快，但它夠準嗎？

在一秒內處理出結果，速度世界領先，但它可以與以往一樣足夠精準嗎？

根據中新社采訪視頻中談到的內容稱，智能地動系統的一大特點是，有別于多數系統非常依賴人工處理和分析，該系統則主要基于深度學習。

可以推斷出，系統能在1秒內得出預警報告，因為它幾乎完全借助機器進行分析。

深度學習的特點，是當算力和數據量足夠龐大時，機器在諸多場景中的表現，要明顯優于人工。

但深度學習也存在一個弊病：即魯棒性較差。通俗講，就是表現不穩定，尤其是遇到陌生的場景和情況時，系統容易出現誤判。

深度學習的本質是一個超級記憶體，機器以前見到過、學習過的現象（數據/特征），在下一次遇見時，它自己可以精準判斷。而一旦遇到以往未曾見過的情況，誤判的可能性就會變大。

因此，如果用深度學習，實現準確的地震監測，系統便需要提前學習更大量、更多元、更多維度的標注數據。

數據從何而來？

單靠研究團隊自行采集、公開域數據集、與地方地震單位合作，顯然還不夠。

據悉，中科大研究團隊已將“智能地動”系統對外開放，通過搭建一個開放平臺，吸引世界各地其他研究團隊，為此提供數據，眾人拾柴火焰高，提高預測的準確性。

對外開放，不失為一種良好的解決方案。

但數據的持續收集、清洗、標注，以及要讓系統達在真實地震場景中，達到工程級、高魯棒性、迅速且超高精準的監測，或許還需要一段時間。

可以提前預測地震嗎？

新聞一出后，不少人發出疑問，“智能地動”系統能否提前預測地震？

首先我們要知道，“地震預警”和“地震預測”是兩個不同的概念。

地震預警，是指在地震發生以后，搶在地震波傳播到設防區域前，向其提前幾秒至數十秒發出警報，以告知當地人們采取應急措施，盡可能減少傷亡。

地震預測是對尚未發生、但有可能發生的地震事件事先發出通告。

“智能地動”系統，其主要功能顯然是地震預警。

而地震的預測，直到現在，全世界都沒有一套成熟的研究成果。

由于地震事件涉及太多變量，從不同區域的地面構成到地震板塊之間的相互作用類型，以及能量在波浪中穿過地球傳播的方式，理解這一切非常困難。

但這些年，不少人工智能科學家和地震學家已經在開展通過人工智能預測中短期地震的研究。

其中，如美國康涅狄克大學費比·德福利爾斯團隊，在2018年利用13.1萬多組地震及其余震的配對數據，訓練了一種深度學習模型，此模型能在包含3萬多組地震—余震的獨立數據集中，識別并解釋余震出現地點的模式，且比庫侖破裂應力變化的準確度更高。

美國斯坦福大學科學家格里高利·百洛澤認為，該結果強調了深度學習方法可提高余震預報的準確度，并為進一步了解地震激發機制提供了新見解。

雖然地震預測，任重而道遠，但隨著未來對地震各種變量的理解和捕獲，以及對大量數據的采集，相信地震預測的前景，會變得愈加明朗。