四川九寨沟地震悲叹！难道地震灾无解，人工智能如何救场？

　　四川省8日夜发7.0级地震，导致震中位于岷江断裂、塔藏断裂和虎牙断裂附近，推测发震构造为塔藏断裂南侧分支和虎牙断裂北段，截至8月9日8时10分，遇难人数增至12人（新增3人身份暂不明确），受伤175人（重伤28人）；被中断道路301线K79处已抢通便道，K83处仍有落石，暂无法抢通。

　　而我们今天怀揣着对灾区受灾民众的祈祷来殷切希望一切安好，中国对地震灾害的感测仪器，在古代就已经在进行，张恒的地动仪是祖先的智慧结晶，救人于危难中，而目前中国对地表灾害的预测已经更精准了，声波测试、压裂微地震监测等技术的完善为中国地震建立起了坚实的防护预警。

　　

　　近10年来，地球物理学的进展，特别是数字化地震监测技术的应用，为小范围内的、信号较微弱的微地震研究提供了必要的技术基础。为了验证和开发微地震监测技术在地下岩石工程（如地热水压致裂、水库大坝、石油、核废料处理等）中所具有的巨大潜力，中国很大一群公司的研究机构和大学联合，进行了一些重大工程应用实验，而这些实验也得到了很好的效果。

　　然而，为何在科学技术如此蓬勃的今天，我们却一而再再而三的迎来了危难呢？小编不禁感叹，我们研究科技，创造科技难道不是是为了人们的幸福生活？

　　地震预测为何没有带来实际意义？

　　地震这类的自然灾害是很难预测的，有时候是可以预测到，但是准确性很小，目前地震检测系统就日本的最为发达，但是日本还不是经常有地震造成人员伤亡，省地震局局长丁仁杰此前就介绍过，地震多数发生在地下15公里以下的地壳里，当前人类对于地壳的研究只能通过钻机钻至地下12公里，远远做不到直接观察到地震孕育发生的全过程，只能在地表凭借有限的仪器设备捕捉地壳内部结构和状态变化的间接信息，以此来判断地震发生的可能性，所以可想其难度系数之高。

　　另外一个，有时候地震局能检测出来一些地震的讯息，但是这样的讯息平时检测太多，他不可能一检测出地震的讯息就马上组织人员的撤离的，所以说灾难还是发生了。

　　或许地震AI能救场

　　世界各地的专家们花了数十年希望挖掘出地震的有关现象，例如：前震、地下水化学变化 ，甚至动物的反常行为，但成效甚小。后来尝试过应用机器学习方法也失败了，因此Lamont-Doherty地球观测台的地震学家克里斯·斯科尔茨都说：“这真是让人无从下手的难解谜题。”

　　但这时人工智能站了出来，也许AI真的是我们未来成功预测地震的救星？

　　定位受灾最重地区，将损失降低到最小值

　　

　　地震来袭，快速找到被破坏最强的地区，或许能第一时间拯救出更多生命。One Concern就在研发这项技术——在地震后的几分钟内，立刻分析出受灾最重的地区是哪里。

　　那么这套算法是如何形成的呢？One Concern首先需要下载某个地区与建筑有关的楼龄、类型、建筑材料等有关的数据。之后，研究人员需要训练出一套能够理解地震是如何损坏建筑物的套路。通过将这些知识和地震发生后的地震数据结合，One Concern的CEO Wani表示，他们研发的系统可以高效地预测出建筑物对冲击波的反馈。

　　人工智能系统在评估分析后，会生成一张受灾地图，方便救灾人员的查看，在地图中，那些建筑物损坏最严重的街道和受灾人数最多的区域都会被重点标注出来。之后将灾害强度和人数相乘，就可以估算出该立刻前往哪个地区进行救灾。

　　Muller表示，救灾相关方面可以先用这个系统来配合一些地震救灾的演习，以此来训练他们的员工。

　　而对于那些不发达国家的地震区，因为建筑物数据的不足，研究人员采用了另外的AI策略。2015年4月尼泊尔的地震发生后，AI研究人员就训用了不同的方法来帮助改变地面，救灾响应的方式。

　　比如说，在经过人工智能软件提前扫描后，线上的志愿者们面前会呈现出受灾地区的卫星图，之后大家一起帮助确认哪些地区可能是有人居住的地点。如果志愿者的判断和AI系统判断的是一样的，那么这些地区就会标注出来，以待救灾专业人员再进行审查。

　　目前已有两个之前没有被识别出来的村庄被地面救灾人员发现了，并及时到场给予了救灾支援。

　　20：1的时间差内秒速预测地震

　　

　　洛斯阿拉莫斯国家实验室的地球物理学家保罗·约翰逊曾表示：“如果你声称自己在预测地震方面取得了进展，别人会说你大概是傻了”。

　　但是，技术改进后的机器运算和超级计算机，以及存储和处理大量数据的能力，都让约翰逊的团队发现人工智能方面的新突破。正在跟几个研究机构合作的约翰逊还说：“如果时光倒退十年，我们还不可能做到这一点。” 通过更复杂的计算，他和他的团队正在尝试去做一件从来没人做过的事：给机器输入原始数据——这些数据都来源于实验室实地模拟地震事件发生前期中期后期，并且都经过大量的采集。然后他们采用算法筛选数据的方式，机器学习除了实验室模拟，他们还开始使用原始地震数据中的实际温度信息进行进行同类型的机器学习分析。

　　这与科学家们以往预测的方式不同，过去通常使用“地震目录”中处理过的地震数据来寻找预测线索。数据集仅仅包含地震震级、位置和时间，而忽略了其他很多信息。与此不同的是，约翰逊的机器算法或将拾取重要的预测标记。

　　约翰逊的合作伙伴—宾夕法尼亚州立大学的地球物理学家克里斯·马罗内已经与约翰逊在地震模拟器运行实验室中进行了部分实验。模拟器可以随机生成地震模式并生成开源机器学习算法的数据，且系统取得的结果也十分惊人。

　　“吱吱声和摩擦声”随着模拟的构造板的时间推移不断发生，从而通过计算机算法在声学数据中拾取到可靠信号。随着人造地壳系统更接近模拟地震，该算法可以以非常具体的方式揭示这些噪声的变化。这意味着约翰逊可以随时任意确认这个声学信号，以确定地震可能发生的时间。

　　例如，如果模拟地震将在20秒内发生撞击，研究人员可以分析信号并在一秒内准确预测地震。不过，目前约翰逊团队只是追求一种估算地震的时间的方法，并不能估测到地震的大小。 可见预测地震的大小将是一个更加棘手的问题。

　　虽然大自然与模拟实验室相比，要复杂的多，不过人工智能已然做到其他技术无法完成的事情。

　　为何人工智能是预测地震的最佳助手呢？

　　对于地震这类微观前兆很多的灾害，会涉及地壳运动、磁场、重力甚至是地下水化学成分的变化，这些数据或现象都要专业仪器的不间断监测，可见数据量会多么惊人，这对于大数据的分析任务就特别重了。

　　此时，大数据加云端服务就是最佳拍档，能够全面分析微观前兆。

　　再加上日本京都大学一个研究小组宣布，利用一种新方法有望提前1小时至20分钟预测7级以上大地震。该研究小组调查分析发现，大地震发生前震源上空的电离圈电子数有异常增加的情况，据此断定大地震发生，如果该论断属实，那么传感器不需要深入地下也可实现预测。

　　此外，MIT人工智能实验室曾经发明一套算法，通过600个小时的视频对该算法进行训练后，它已经能够对接下来5秒出现的目标进行预测。如果加强算法强度，将地球至今的运动轨迹输入系统，提高其成功率以及延长预测的时间，那正确预测碰撞的时间点也将指日可待了？