Ahli geologi Amerika dan Britain telah membuat sistem kecerdasan buatan yang mampu meramalkan gempa bumi dan berjaya mengujinya di simulator gempa makmal, menurut sebuah artikel yang diterbitkan dalam jurnal GRL.
“Untuk pertama kalinya, kami dapat menggunakan sistem pembelajaran mesin untuk menganalisis data akustik dan meramalkan gempa bumi sebelum ia benar-benar terjadi. Ini membolehkan kita mendapat cukup masa untuk memberi amaran dan mengosongkan penduduk tepat pada waktunya. Sungguh menakjubkan apa peluang yang diberikan oleh kecerdasan buatan kepada kami,”kata Colin Humphries dari University of Cambridge.
Gempa bumi dan bencana berbahaya lain yang berkaitan dengan bahagian dalam Bumi paling sering berlaku di sempadan kesalahan antara plat tektonik, pergerakannya sering terhalang oleh penyimpangan di tepinya. Apabila pergerakan plat berhenti, tenaga berpotensi terkumpul pada titik kontak mereka, yang dapat dilepaskan dalam bentuk panas dan letupan gelombang akustik yang kuat pada saat batu-batu dalam penyimpangan ini tidak tahan dan pecah.
Para saintis telah lama berusaha untuk memahami proses apa yang mengawal pengumpulan tenaga ini, dan juga mencari cara untuk "melihat" bahagian dalam Bumi supaya kita dapat mengetahui tentang penampilan zon tekanan tektonik seperti itu dan meramalkan oleh sifatnya kebarangkalian, kekuatan dan masa gegaran baru.
Walaupun terdapat kemajuan yang sangat besar di bidang ini, ramalan seperti itu masih sangat tidak tepat, yang sering menimbulkan perselisihan antara saintis dan ahli politik yang tidak menyukai kesamaran. Sebagai contoh, ahli seismologi yang secara tidak tepat meramalkan besarnya gempa bumi di L'Aquila di Itali pada tahun 2009 menerima hukuman penjara yang sebenar kerana "salah maklumat" penduduk dan kematian kira-kira tiga ratus orang. Ini seterusnya mendorong ahli seismologi dan saintis lain untuk membuat ramalan khusus untuk masa depan.
Menurut Humphreys, salah satu sebab mengapa ramalan gempa semasa tidak tepat atau salah adalah kerana seismograf dan alat pemerhatian lain menerima isyarat yang tidak terhitung jumlahnya, hanya sebilangan yang berkaitan dengan pengumpulan tenaga di sempadan kesalahan, sementara yang lain dihasilkan oleh fenomena lain., tidak berkaitan dengan proses tektonik.
Dalam beberapa kes, "rintangan" ini dapat dihilangkan - dan kemudian ramalannya cukup tepat, dan dalam kes lain, seperti bencana tahun 2009, kegagalan dalam hal ini berakhir dengan cara yang tidak dapat diramalkan.
Masalah serupa, seperti yang dinyatakan oleh Humphreys dan rakan-rakannya, hari ini diselesaikan oleh wakil sains yang sama sekali berbeza - jurutera komputer yang terlibat dalam pengembangan pelbagai sistem pembelajaran mesin dan kecerdasan buatan. Ciri utama rangkaian saraf moden ialah mereka dapat menganalisis data yang sangat "kotor" dan mencari di dalamnya apa yang diperlukan untuk menyelesaikan masalah: misalnya, untuk menyusun gambar kucing dan anjing atau pengecaman pertuturan di ruangan yang bising.
Video promosi:
Dengan berpandukan idea ini, para saintis telah membuat "emulator gempa" khas di Makmal Nasional Los Alamos di Amerika Syarikat, yang meniru sepenuhnya apa yang berlaku pada kesalahan ketika gegaran baru dilahirkan, dan menggunakannya untuk mengajar rangkaian saraf untuk "melihat" jejak gempa masa depan dalam kumpulan data yang dikumpulkan seismograf.
Setelah beberapa lama, mesin belajar untuk memprediksi betul gempa bumi "makmal" dengan tahap ketepatan dan kebolehpercayaan yang sangat tinggi - ini, menurut para saintis, menunjukkan bahawa kaedah serupa dapat digunakan untuk meramalkan keadaan seismik yang sebenarnya. Sebaliknya, algoritma semasa, kemungkinan besar, belum dapat digunakan untuk tujuan ini, kerana ia "dilatih" bukan pada data sebenar, tetapi pada peniruannya, dan oleh itu ramalannya agak tidak tepat ketika bekerja di lapangan.
