预测地震、移民火星和可控核聚变哪个更难?一位研究地震预报的地球物理学博士毫不犹豫的回答,“自然是预测地震难。”
缺少可用数据,没有可靠的物理模型,预测地震成了人类无法攻克的难题。
但是,AI的出现,让事情有了一些转机——面对一个从来也没多少希望的难题,“理论上有可能” 就是一个重要进展。
本文转载自微信公众号“晚点LatPost”

(ID:postlate)

作者:贺乾明

编辑:黄俊杰
1
预测地震,有进展了
2022 年 3 月 16 日深夜,7.4 级地震冲击日本福岛。多个核电站出现故障,200 多人伤亡,当局紧急发出海啸预警。
这是全世界今年最大的地震,但当地生活的居民一年前已经经历过一次差不多大小的。再往前十年,还有那场破坏力大了数百倍的 9 级地震。夹在中间的小地震更多。
但无论地震大小,警报留给当地人的反应时间都以秒计算。
地震发生后会产生多种波段。地震台网监测到地震纵向传递的 P 波后,赶在有破坏力的 S 波到达前提醒更多人,让他们停止危险的动作,躲到结实的桌椅下。预警往往能争取到数秒到一分钟的时间,但仅此而已。
“没有任何科学家成功提前预报过大地震(包含时间、地点和规模),他们也不知道怎么预报。” 美国地质调查局在官网上承认,“只能计算若干年内一个区域发生地震的概率。” 如何在地震到来时减少损失,才是他们的工作重点。
中国也是同样的态度。2021 年,中国地震局用在地震预测预报上的预算只有 1360 万元,不到其总预算的 0.5%。更多的钱用来减少灾害。
当被问及预测地震和移民火星、或者可控核聚变哪个更难,一位研究地震预报的地球物理学博士毫不犹豫的回答,“自然是预测地震难”。因为地震预报并没有清晰可靠的物理模型,而且人类的观测也不完备。
但就在这样一个被认为没什么希望的研究方向,过去几年又有了一丝变化。
最新、也是最受关注的尝试,来自美国洛斯阿拉莫斯国家实验室地球物理学家保罗·约翰逊(Paul Johnson)和宾夕法尼亚大学的教授克里斯·马龙(Chris Marone)3 个多月前发布的研究:利用人工智能弥补观测技术的不足,证明人工模拟的数据有望帮助预测现实中的地震。
2017 年,他们证明人工智能技术可以预报实验室中模拟的地震发生时间,然后又把这项技术用到预测 “慢滑移地震”(无声地震)中,准确率稳定在 20%、误差在数天内。
虽然准确率距离实用还很远,但对于数十年没有进展的地震预报来说,已经算得上突破。莱斯大学的一位地震学家说,这意味着预测地震 “真正有了进展”。
2
在实验室制造地震
一块体型稍大的立方体花岗岩被两块更薄的夹在中间,一起被放在机器中,被左右两侧和上方伸出的液压柱固定住。
这液压柱会持续朝着三块花岗岩施加压力,直到压力超过它们之间的摩擦力并上下滑动。在另外一些实验室中,这些花岗岩也会被表面不平滑的亚克力板代替。
图:在实验室中模拟地震的场景,花岗岩被液压柱固定。图片来自 freethink。
这是保罗·约翰逊和克里斯·马龙团队在实验室中制造地震的场景,他们都在地震学和地质学领域研究了超过 30 年,最近 5 年持续研究用人工智能预测地震。
虽然它跟地底环境比十分简陋、且忽视岩石在地底所处的高温环境和可能存在的流体影响等因素,但大致复刻了多数地震发生的过程。
构成地壳的各个板块相互运动挤压时会产生 “应力”(可以理解为一种压力),会在岩石层上造成名为 “断层” 的裂缝,在某一时刻,逐步变大的压力超过断层间的摩擦力,让岩石突然断裂 / 破碎或滑动,释放出巨大能量,地震就会发生。
借助实验室,他们可以直观、完整地从一次次实验中收集到每次岩石在压力下滑移时的各种数据,比如多大力下会发生滑移,滑移的方向、速度,以及声音等等。但怎么利用这些数据去预报即将发生的地震,仍然是一个复杂的问题。
这是人工智能最擅长的地方,从大量同一类事件的数据中归纳出潜在的共同特征,然后给出相对准确的判断。比如给它气象雷达采集的数据,它可以提前 1-2 个小时预测出来哪里会降雨,降多少,什么时候结束等。
2017 年,保罗·约翰逊等人开始用机器学习(人工智能的基础之一)分析实验室地震数据,得到了意外的收获。算法选择了一种他们之前没关注的信号——岩石受到压力产生的声音方差,方差越大时,地震越有可能发生。
保罗·约翰逊的团队在论文中写道,这个结果足以鼓励人们用机器学习分析地震信号,而且说明人们此前在现有数据中关注的预报地震信号,也可能是不完整的。
3
预测难?因为数据少
单纯从原理来说,地震和降雨没有那么大的不同。降雨是空气难以托住高空中因为各种原因迅速聚集的水滴,地震则是岩石断层无法承受压力产生滑移或破碎。
人们可以按照小时预报天气,却拿预报地震没办法,主要的差别是搜集数据的规模有极大差别。
据世界气象组织数据,现在全球每天有 10000 多个人工和自动地面气象站、1000 多个高空站、7000 多艘船舶、100 多个系留浮标和 1000 多个漂流浮标、数百部天气雷达、3000 多架带特殊装备的商用飞机以及约 30 颗气象卫星,直接观测地球大气、陆地和海洋表面的温度、湿度、风向、风力大小、水汽聚集状况等,用于预报天气。
不只是气象状况,现在所有与自然灾害有关的指标,只要能监测,人们都已经建立或正在建立完备的观测系统。比如用土壤含水率、裂缝状况等指标预警容易发生泥石流、滑坡的区域,在太平洋、大西洋沿岸建立全球海啸预警系统等等。
但地震不行。根据中国地震台网数据,6 级以上的地震震源在 10000 米以下,想要如果想像预报天气那样更好预报地震,就需要打足够深的井观测情况。目前全球深度超过 10000 米长的井不到 10 口,大都是为了开采石油。唯一的例外是美苏争霸时期,苏联花 19 年挖出的科拉超深钻孔科研井,垂直深度 12262 米。
挖深井的成本现在只有石油工业才能承担。学术期刊《石油知识》2016 年一篇文章估算,大于 5000 米的井,每米的钻井成本约 5000 元。如果钻超 10000 米深的井,成本还会指数级上升,有专家估计,一口井可能要花费超 10 亿元——接近中国地震局半年的预算。
而且想观测地震,一口深井不够,就像一座气象站不能监测全球的天气一样。人们只能通过有限的手段,探寻地底深处发生地震时的状况怎么样。
有人开发出了探地雷达,现在最多也只能探测地底数百米的情况。2017 年,中国地震局曾提出过用 “人工制造地震” 的方法探测地球深处的情况,原理是利用高压向地底发射气体引发小地震,借此观测地底 60000 米深处的结构。
当时负责这个项目的中国地震局研究员徐平说,“地震给地球敲一榔头,我们就能听听地球内部的结构是怎样的。” 但这个项目并没有后续。两年过后,徐平退休。
4
走出实验室只是一个开始
今年初,保罗·约翰逊接受采访时估算,想要训练一个有效果的地震预报模型,需要 10 个地震周期的数据。位于美国加州的圣安地列斯断层是人类研究最多的断层之一,大约每 40 年就会发生一次大地震,但现在只积累了 20 年的数据——半个周期。
他只能选择迂回,先在慢滑移地震上验证人工智能算法的效果,这种地震发生更频繁,数据相对更丰富,是目前地震学家研究的热门方向。
每一次慢滑移出现,都会让地壳积累更大的压力,通常被认为是大地震发生的潜在诱因。地震学家观测到,在 2011 年福岛发生 9.0 级地震之前,当地的断层持续发生了近 10 年的慢滑移。
美国的地震学家收集了华盛顿州西北部的皮吉特湾和温哥华岛之间断层带 2007 年到 2018 年间的十几次慢滑移地震数据,被保罗·约翰逊用来训练模型。
但能预测慢滑移地震,并没有太多现实意义,想要是让方法真正有作用,需要研究预报破坏性的大地震。
这要求保罗·约翰逊团队找到一种方式绕开数据限制。有的学者选择模拟数据,比如中国科学院大学的张捷团队,用人工智能预估地震震源机制时,生成了许多数据训练模型。
保罗·约翰团队采用的是迁移学习。即把之前训练好的模型迁移到新的模型中,两个模型解决的问题大致相同,从而缩短模型的训练时间、减少训练模型的数据量。
他们打算用实验室数据配合圣安地列斯断层半个周期的数据训练模型,预报 2004 年因为圣安地列斯断层滑动在美国加州发生的 6 级地震。
这种方法最终能否弥补地震数据,最终做到地震预测,还无法验证。但面对一个从来也没多少希望的难题,“理论上有可能” 就是一个重要进展。
本文转载自
(完)
人間的未來 AI的未來

《人类的未来,AI的未来》(译文视野)
[日]山中伸弥 羽生善治 著

丁丁虫 译

上海译文出版社

诺贝尔生理或医学奖得主山中伸弥与被称为史上最强棋士的羽生善治,两位拥有顶尖智慧的名人围绕着“十年后,百年后的世界将变得如何”展开对谈。
人工智能、不断进化的机器人、诱导多功能干细胞带来的医学革命……话题从生命科学的最前沿,扩展到人工智能的界限与可能性。人类的直觉究竟是什么?人类将来是否真的能够不老不死?两人运用了各自领域的专业知识,热烈讨论了人类永恒的主题。
继续阅读
阅读原文