快速自動化采集分析地震震源信息對震后趨勢判定、烈度速報、地震應急救援等提供科學依據。但從地震記錄推算地震震源機制是個耗時的計算過程，目前世界各地地震監測臺網在速報信息里只有發震時刻、震級、地點和震源深度等內容，不包括描述地震破裂特征的震源機制解參數。
 

　　人工智能系統可在收到地震記錄后不到1秒時間內，準確估算出震源機制解參數。除能幫助預測海嘯外，震源機制解還可能用于由前震預測主震，或由主震資料預測強余震，揭示震源附近的應力分布狀況等。
 

　　AI 或是精準預測地震的“救世主”
 

　　事實上，在20世紀90年代，就有人嘗試著用機器學習來預測地震，但收效甚微。不過有些人不想對難題低頭，位于美國的洛斯?阿拉莫斯國家實驗室(Los Alamos National Laboratory，曼哈頓計劃的主導者)，這里集結了地球上優秀的物理學家、地理學家以及――程序員。他們堅信，AI 極有可能是破解這個難題的“救世主”。
 

　　他們給機器輸入原始數據，這些數據都來源于實驗室模擬地震發生之前，之中、和之后持續進行的大量測量。 然后，他們通過算法篩選數據，查找當人造地震發生時發出信號的可靠模式。
 

　　真實而準確的地震預測，將是接下來 AI 的研究方向。
 

　　提高地震預測預警的準確性，需要密集的高頻監測數據采集和實時處理，現有的人機結合工作模式已不適應這一要求。這一成果為地震監測、預測預警業務實現快速、高效的智能化轉型提供了堅實的基礎。在人工智能解決地震監測預警領域不斷取得突破，并應用到川滇地震科學實驗場，對我國的地震減災事業意義重大。
 

　　讓AI聽懂地震的“閑言細語”
 

　　首先，在實驗室模擬斷層。通過抽動中間地層的方式，在實驗室中模擬地震，并在層間放置巖石混合物來模擬真實斷層。這種實驗地震系統已經被地理學家熟知，在地震到來時，地層間的混合物會開始掉落并伴有特殊聲響，同時地層也會周期性地滑動。
 

　　在這個過程中，研究組發現了一個問題：這些“地層運動”所發出的聲音，能否用于預測下一次地層運動發生的時間？之前從未有人在該信息中，發現可用于預測工作的特定模式和規律。所以這次，研究人員將采集到的聲波信息送入機器學習算法當中，期望從中發現一些被地理學家忽略的東西。
 

　　事實表明，實驗結果印證了他們的想法。研究人員將滑動窗內采集到聲波送入算法，并要求其給出地震發生的可能性預測。算法的準確度令人吃驚，“結果顯示，我們只是讓 AI 去“聽”模擬地震發生時的聲音信號，它就能精確地預測出距離地震發生前的剩余時間。”研究人員報告說。
 

　　隨之而來的問題是：機器為何能做到這一點？研究人員先假設這是由于地震先兆要比我們想象的弱，在現實世界中很難被準確記錄。機器似乎成功捕捉到之前被地理學家當作噪聲忽略的信息。“我們使用機器學習進行的分析，為相關研究提供了新思路”，研究人員稱。
 

　　減輕破壞程度是地震研究者的一個重要目標。當破壞性地震發生時，實時報告地震參數對于立即進行破壞評估和緊急疏散至關重要。該研究目前正在轉化為實際成果，近期將在中國科學技術大學和中國地震局合作研發的“智能地動”人工智能地震監測系統上試運行，在中國地震科學實驗場全面推廣。