ایتنا – پژوهشگران توانسته‌اند در یک بررسی آزمایشگاهی، از «یادگیری ماشین» و «یادگیری عمیق» برای پیش‌بینی موفقیت‌آمیز پس‌لرزه‌ها استفاده کنند.

محققان دانشگاه هاروارد و گوگل روش موفقی برای پیش‌بینی پس‌لرزه‌ها ابداع کرده‌اند که در آن از قابلیت‌های هوش مصنوعی استفاده می‌شود.
 
پس‌لرزه به زلزله‌های کوچکی گفته می‌شود که بعد از یک زمین لرزه بزرگتر قبلی، در همان منطقه روی می‌دهد.
 
پس‌لرزه‌ها که ممکن است ساعت‌ها، روزها و حتی ماه‌ها به درازا بکشند، می‌توانند بسیار خطرناک باشند زیرا قابل پیش‌بینی نبوده و بعضاً باعث فرو ریختن ساختمان‌هایی می‌شوند که در جریان زمین لرزه اصلی فرو نریخته‌اند.
 
به گزارش ایتنا از رایورز به نقل از وب‌سایت ورج، با این حال، تحقیقات اخیری که توسط پژوهشگران هاروارد و شرکت گوگل صورت گرفته، امیدها را نسبت به پیش‌بینی این بلای طبیعی افزایش داده است.
 
این محققان در بررسی‌های خود به این نتیجه رسیدند که یادگیری عمیق (Deep Learning) که یکی از زیرشاخه‌های هوش مصنوعی است می‌تواند مکان وقوع پس‌لرزه‌ها را با دقت بیشتری نسبت به مدل‌های فعلی پیش‌بینی کند.
 
در این روش، محققان تاریخچه‌ای از اطلاعات لرزه‌خیزی را که شامل 131 هزار شوک اصلی و پس‌لرزه بود، وارد شبکه عصبی کردند.
 
این سیستم توانست به طور دقیق‌تر 30 هزار پس‌لرزه را پیش‌بینی کند و عملاً نشان داد که نسبت به مدل‌های فعلی از جمله روش پیش‌بینی Coulomb یا دیگر مکانیزم‌های مشابه قابل اعتمادتر است.
 
نتایج این مطالعه در نشریه نیچر منتشر شده است.
 




Brendan Meade استاد علوم سیاره‌ای و زمین‌شناسی که به نویسنده این مقاله کمک کرده است، به ساینس‌دیلی گفت: سه نکته‌ای که در مورد زلزله می‌خواهیم بدانیم این است که چه زمانی زلزله می‌آید، بزرگی آن چقدر است و در کجا حادث می‌شود.
 
وی افزود: قبل از این شیوه، ما با استفاده از قوانین تجربی می‌کوشیدیم زمان و بزرگی زلزله‌ها را حدس بزنیم و اکنون ما در حال کار بر فاکتور سوم هستیم، یعنی جایی که ممکن است زلزله‌ها واقع شوند.
 
بر اساس این گزارش، از آنجا که هوش مصنوعی فاکتورهای مختلف تغییرات لرزش را در نظر می‌گیرد، این شیوه از دقت بالایی برخوردار است زیرا توانایی هوش مصنوعی برای کشف الگوهایی موجود در داده‌های پیچیده که قبلاً نادیده گرفته می‌شد، مورد استفاده قرار می‌گیرد.
 
با وجود موفقیت این پژوهش، استفاده گسترده از آن فعلاً مهیا نیست زیرا محققان خاطرنشان می‌کنند که مطالعه آنها فعلاً تنها یک نوع پس‌لرزه را شامل می‌شود و حال آن که در زلزله‌شناسی، متغیرهای بسیار زیادی از قبیل آرایش زمین در نقاط مختلف، نوع گسل‌ها، ساختار پوسته زمین و غیره باید مورد نظر قرار گیرد.
 
یکی از محققان این پروژه می‌گوید ما هنوز برای این که بتوانیم واقعاً پس‌لرزه‌ها را پیش‌بینی کنیم، راه درازی در پیش داریم ولی به نظر من یادگیری ماشین (یکی دیگر از زیرشاخه‌های هوش مصنوعی) از پتانسیل عظیمی در این خصوص بهره‌مند است.