人類預報不了地震，但人工智能讓它有了點希望丨TECH TUESDAY

文丨賀乾明

編輯丨黃俊杰

2022 年 3 月 16 日深夜，7.4 級地震沖擊日本福島。多個核電站出現故障，200 多人傷亡，當局緊急發出海嘯預警。

這是全世界今年最大的地震，但當地生活的居民一年前已經經歷過一次差不多大小的。再往前十年，還有那場破壞力大了數百倍的 9 級地震。夾在中間的小地震更多。

但無論地震大小，警報留給當地人的反應時間都以秒計算。

地震發生后會產生多種波段。地震臺網監測到地震縱向傳遞的 P 波后，趕在有破壞力的 S 波到達前提醒更多人，讓他們停止危險的動作，躲到結實的桌椅下。預警往往能爭取到數秒到一分鐘的時間，但僅此而已。

“沒有任何科學家成功提前預報過大地震（包含時間、地點和規模），他們也不知道怎么預報。” 美國地質調查局在官網上承認，“只能計算若干年內一個區域發生地震的概率。” 如何在地震到來時減少損失，才是他們的工作重點。

中國也是同樣的態度。2021 年，中國地震局用在地震預測預報上的預算只有 1360 萬元，不到其總預算的 0.5%。更多的錢用來減少災害。

當被問及預測地震和移民火星、或者可控核聚變哪個更難，一位研究地震預報的地球物理學博士毫不猶豫的回答，“自然是預測地震難”。因為地震預報并沒有清晰可靠的物理模型，而且人類的觀測也不完備。

但就在這樣一個被認為沒什么希望的研究方向，過去幾年又有了一絲變化。

最新、也是最受關注的嘗試，來自美國洛斯阿拉莫斯國家實驗室地球物理學家保羅·約翰遜（Paul Johnson）和賓夕法尼亞大學的教授克里斯·馬龍（Chris Marone）3 個多月前發布的研究：利用人工智能彌補觀測技術的不足，證明人工模擬的數據有望幫助預測現實中的地震。

2017 年，他們證明人工智能技術可以預報實驗室中模擬的地震發生時間，然后又把這項技術用到預測 “慢滑移地震”（無聲地震）中，準確率穩定在 20%、誤差在數天內。

雖然準確率距離實用還很遠，但對于數十年沒有進展的地震預報來說，已經算得上突破。萊斯大學的一位地震學家說，這意味著預測地震 “真正有了進展”。

在實驗室制造地震

一塊體型稍大的立方體花崗巖被兩塊更薄的夾在中間，一起被放在機器中，被左右兩側和上方伸出的液壓柱固定住。

這液壓柱會持續朝著三塊花崗巖施加壓力，直到壓力超過它們之間的摩擦力并上下滑動。在另外一些實驗室中，這些花崗巖也會被表面不平滑的亞克力板代替。

圖：在實驗室中模擬地震的場景，花崗巖被液壓柱固定。圖片來自 freethink。

這是保羅·約翰遜和克里斯·馬龍團隊在實驗室中制造地震的場景，他們都在地震學和地質學領域研究了超過 30 年，最近 5 年持續研究用人工智能預測地震。

雖然它跟地底環境比十分簡陋、且忽視巖石在地底所處的高溫環境和可能存在的流體影響等因素，但大致復刻了多數地震發生的過程。

構成地殼的各個板塊相互運動擠壓時會產生 “應力”（可以理解為一種壓力），會在巖石層上造成名為 “斷層” 的裂縫，在某一時刻，逐步變大的壓力超過斷層間的摩擦力，讓巖石突然斷裂 / 破碎或滑動，釋放出巨大能量，地震就會發生。

借助實驗室，他們可以直觀、完整地從一次次實驗中收集到每次巖石在壓力下滑移時的各種數據，比如多大力下會發生滑移，滑移的方向、速度，以及聲音等等。但怎么利用這些數據去預報即將發生的地震，仍然是一個復雜的問題。

這是人工智能最擅長的地方，從大量同一類事件的數據中歸納出潛在的共同特征，然后給出相對準確的判斷。比如給它氣象雷達采集的數據，它可以提前 1-2 個小時預測出來哪里會降雨，降多少，什么時候結束等。

2017 年，保羅·約翰遜等人開始用機器學習（人工智能的基礎之一）分析實驗室地震數據，得到了意外的收獲。算法選擇了一種他們之前沒關注的信號——巖石受到壓力產生的聲音方差，方差越大時，地震越有可能發生。

保羅·約翰遜的團隊在論文中寫道，這個結果足以鼓勵人們用機器學習分析地震信號，而且說明人們此前在現有數據中關注的預報地震信號，也可能是不完整的。

預測地震之所以難

是因為拿不到足夠的數據

單純從原理來說，地震和降雨沒有那么大的不同。降雨是空氣難以托住高空中因為各種原因迅速聚集的水滴，地震則是巖石斷層無法承受壓力產生滑移或破碎。

人們可以按照小時預報天氣，卻拿預報地震沒辦法，主要的差別是搜集數據的規模有極大差別。

據世界氣象組織數據，現在全球每天有 10000 多個人工和自動地面氣象站、1000 多個高空站、7000 多艘船舶、100 多個系留浮標和 1000 多個漂流浮標、數百部天氣雷達、3000 多架帶特殊裝備的商用飛機以及約 30 顆氣象衛星，直接觀測地球大氣、陸地和海洋表面的溫度、濕度、風向、風力大小、水汽聚集狀況等，用于預報天氣。

不只是氣象狀況，現在所有與自然災害有關的指標，只要能監測，人們都已經建立或正在建立完備的觀測系統。比如用土壤含水率、裂縫狀況等指標預警容易發生泥石流、滑坡的區域，在太平洋、大西洋沿岸建立全球海嘯預警系統等等。

但地震不行。根據中國地震臺網數據，6 級以上的地震震源在 10000 米以下，想要如果想像預報天氣那樣更好預報地震，就需要打足夠深的井觀測情況。目前全球深度超過 10000 米長的井不到 10 口，大都是為了開采石油。唯一的例外是美蘇爭霸時期，蘇聯花 19 年挖出的科拉超深鉆孔科研井，垂直深度 12262 米。

挖深井的成本現在只有石油工業才能承擔。學術期刊《石油知識》2016 年一篇文章估算，大于 5000 米的井，每米的鉆井成本約 5000 元。如果鉆超 10000 米深的井，成本還會指數級上升，有專家估計，一口井可能要花費超 10 億元——接近中國地震局半年的預算。

而且想觀測地震，一口深井不夠，就像一座氣象站不能監測全球的天氣一樣。人們只能通過有限的手段，探尋地底深處發生地震時的狀況怎么樣。

有人開發出了探地雷達，現在最多也只能探測地底數百米的情況。2017 年，中國地震局曾提出過用 “人工制造地震” 的方法探測地球深處的情況，原理是利用高壓向地底發射氣體引發小地震，借此觀測地底 60000 米深處的結構。

當時負責這個項目的中國地震局研究員徐平說，“地震給地球敲一榔頭，我們就能聽聽地球內部的結構是怎樣的。” 但這個項目并沒有后續。兩年過后，徐平退休。

走出實驗室預測地震

這只是一個開始

今年初，保羅·約翰遜接受采訪時估算，想要訓練一個有效果的地震預報模型，需要 10 個地震周期的數據。位于美國加州的圣安地列斯斷層是人類研究最多的斷層之一，大約每 40 年就會發生一次大地震，但現在只積累了 20 年的數據——半個周期。

他只能選擇迂回，先在慢滑移地震上驗證人工智能算法的效果，這種地震發生更頻繁，數據相對更豐富，是目前地震學家研究的熱門方向。

每一次慢滑移出現，都會讓地殼積累更大的壓力，通常被認為是大地震發生的潛在誘因。地震學家觀測到，在 2011 年福島發生 9.0 級地震之前，當地的斷層持續發生了近 10 年的慢滑移。

美國的地震學家收集了華盛頓州西北部的皮吉特灣和溫哥華島之間斷層帶 2007 年到 2018 年間的十幾次慢滑移地震數據，被保羅·約翰遜用來訓練模型。

但能預測慢滑移地震，并沒有太多現實意義，想要是讓方法真正有作用，需要研究預報破壞性的大地震。

這要求保羅·約翰遜團隊找到一種方式繞開數據限制。有的學者選擇模擬數據，比如中國科學院大學的張捷團隊，用人工智能預估地震震源機制時，生成了許多數據訓練模型。

保羅·約翰團隊采用的是遷移學習。即把之前訓練好的模型遷移到新的模型中，兩個模型解決的問題大致相同，從而縮短模型的訓練時間、減少訓練模型的數據量。

他們打算用實驗室數據配合圣安地列斯斷層半個周期的數據訓練模型，預報 2004 年因為圣安地列斯斷層滑動在美國加州發生的 6 級地震。

這種方法最終能否彌補地震數據，最終做到地震預測，還無法驗證。但面對一個從來也沒多少希望的難題，“理論上有可能” 就是一個重要進展。

本文轉自:晚點LatePost