雷锋网消息，近日，来自 Google 人工智能部门和哈佛大学的研究人员已经建立了一个人工智能模型，能够预测大地震后长达一年的余震位置。该模型训练了近几十年来的 199 次大地震以及之后★带来的 13 万次余震，并发现比目前用于预测余震的方法更精确。
用于训练神经☆网络的余震数据集来自距离每个地震震中垂直延伸 50 公里、水平延伸 100 公里的周边地区。
哈佛大学地球和行星科学系的 Phoebe DeVries 在电话采访中ぷ表示：
我们发现，在将这些模型应力变化输入神经网络后，在ζ测试数据中，神经网络可以更准确地对〓余震位置进行预测，这比在余震研究中经常使用的库仑破坏〖应力变化基准预测的更准确。
用于训练该模型的数据来自知名的大地震，例如 2004 年苏门答腊地震、2011 年日本地震、1989 年旧金山湾区≡的洛马普里塔地震和 1994 年洛杉矶附近的北岭地震。
这项研究成果发表在♀《自然》杂志上。雷锋网〓了解到，该研究由 DeVries 与 Google 机器学习『研究人员 Martin Wattenberg 和 Fernanda Viégas 以及 Google 人工智能招聘负责人 Brendan Meade 共同撰写。虽然 DeVries 和 Meade 认为他们自己是地球计算科学家，但是目前没有实际的地震学家参与这项研究。
另外，AI 模型在训练过程中的经※验将被用来探索一个▲更大的问题：究竟是什么引发地震？对此，Meade 在电话采访中表示:
虽然大多数神经网络都非常难以解释，有时也被称为黑匣子，但我认为，因为我们对可能牵涉其中的物理学有了一些概念▂，所以我们了解到通过弹性传递应力是重要的，结论证明我们【的结果是可以接受的。我↓们能够看到这个模型计算出的结果是有意义的，它实际上为我们指出了一些可能引发地震的不同的物理理论，因此它正引导我们走向一个令人兴奋的新方向。
Meade 说，该模型无」法对由火山爆发等其他重大自然灾害所产生的地震产生影〒响。
任何机器学习应用，不管神经网◤络是否具有推理能力，不仅取决于算法结构，而且取决于它所使用的训练集，而且我们没有使用与火山有关的训练集或诸如此ξ 类的东西，所以我们根本没有理由相信它会对所有的地震预测起作用▆。
Meade 补充道，这个模型是利用过去几卐年大地震的历史数据来训练的，但接下来，会加入将来的地震数据。
