Японские учёные обучили нейросеть на большом каталоге сгенерированной сейсмической активности для изучения анализа данных искусственным интеллектом. Предсказания лабораторных землетрясений оказались точными, а данные совпадали с временем главного удара.
Важное направление в геологической науке — изучение и предсказание землетрясений. Из-за недостатка данных о прошлых землетрясениях и трудностей в определении закономерностей их возникновения исследованиям может помочь искусственный интеллект. Этот метод уже демонстрирует свою эффективность. Система машинного обучения, прослушивая акустический сигнал лабораторных землетрясений, научиласьПрогнозировать землетрясения по сигналам, которые ранее считались шумом. Интересно, что ей были неизвестны предыдущие землетрясения, и она опиралась на немедленные физические параметры.
Применение нейросетей для предсказания реальных разломов пока нецелесообразно. Во-первых, типичные временные интервалы землетрясений измеряются сотнями и тысячами лет, а прогнозы требуют учета деталей на коротких временных промежутках — месяцы и дни.
Сейсмологи до сих пор не знают, как система машинного обучения предсказывает лабораторные землетрясения. Возможное решение проблемы — изучить работу искусственного интеллекта с каталогом «искусственных разломов», причиной возникновения которых понятны.
Группа японских исследователей из Киото изучила каталог 18 тысяч землетрясений, созданный при моделировании сейсмической активности за 900 лет. ранее работалиЯпонские сейсмологи обнаружили, что крупные предшествующие толчки перед главными ударами сопровождаются усилением частоты колебаний. В новой работе… опубликованном в журнале Geophysical Research LettersСпециалисты проверили, как нейросеть оценивает время до главных толчков с помощью ранее смоделированных землетрясений.
Ученые разделили землетрясения, кроме главных, на форшоки, так как афтершоков в их списке немного. Нейросеть не знала этой классификации и обрабатывала данные классическими и эффективными для прогноза методами. методом случайного лесаИсследователи изучили влияние размера обучающих данных (интервала и количества толчков) на точность прогнозов и создали каталог «искусственных землетрясений» за два тысячелетия.
Нейросеть, обученная несколькими землетрясениями, способна прогнозировать признаки предстоящего главного толчка в течение часа до его начала. Однако такой метод чувствителен к похожим на мейншок явлениям, когда множество толчков происходит в короткий промежуток времени, что снижает точность при увеличении временного масштаба.
Искусственный интеллект с большой базой данных плохо распознает признаки быстрого основного толчка, но отражает общий тренд. Самой эффективной оказалась модель со средним уровнем сетей, поскольку учитывала как длительные процессы, так и короткие последовательности. Точность такого прогноза составила 0,89, где максимальное значение — 1,00.
Модель искусственного интеллекта может предсказывать лабораторные землетрясения благодаря анализу эволюции сейсмического импульса и интервала повторяемости толчков. Увеличение объема обучающих данных привело к ожидаемому результату. Чем меньше набор данных, тем ниже точность, но при анализе 115 циклов мейншоков качество не существенно выросло по сравнению с анализом 41 цикла. Авторы полагают, что нейросеть достигла своего предела.
Такой подход к обучению ИИ позволяет прогнозировать время главного удара с высокой точностью. Предсказания действуют как на протяжении десятилетий, то есть задолго до землетрясения, так и в промежутке от часов до минут непосредственно перед самым главным толчком.
В будущем необходимо проверить работоспособность модели в условиях реальных сейсмических каталогов, содержащих значительно меньше данных (несколько десятилетий). Эксперементы проводились на одном разломе глубиной 2,4 километра, поэтому неясно, будет ли система функционировать в более сложных ситуациях. Также пока непонятно, сможет ли такая система работать во время реальных землетрясений.
Waymo и другие компании при создании автомобилей без водителя уже применяли обучение нейросетей на программно симулированном вождении, подобно лабораторным землетрясениям из новой работы ученых. Разработчики беспилотных машин полагали, что большой объем симуляции позволит их ПО лучше научиться управлять машиной, чем реальное вождение.
Искусственное вождение не обладает особенностями настоящего вождения, и потому все названные беспилотными машины по-прежнему нуждаются в управлении со стороны инженеров при возникновении трудных ситуаций.