Νέο μοντέλο τεχνητής νοημοσύνης προέβλεψε σεισμούς μήνες πριν γίνoυν

Η -μακράν της δεύτερης- πιο σεισμογενής χώρα του πλανήτη, Ιαπωνία έχει φροντίσει να αναπτύξει σύστημα που επιτρέπει στους πολίτες να μάθουν τι τους περιμένει, σε χρόνο που προλαβαίνουν να κάνουν ό,τι χρειάζεται για να προφυλαχθούν.

Το Earthquake Early Warnings που ανήκει στη Μετεωρολογική Υπηρεσία της χώρας, υπάρχει από το 2007. Έκτοτε αναβαθμίζεται ώστε να μπορεί πια, να κάνει αποτελεσματικά τη δουλειά του.

Παρέχει εκ των προτέρων ανακοίνωση των εκτιμώμενων σεισμικών εντάσεων και της αναμενόμενης ώρας άφιξης του κύριου κύματος και έχει ως στόχους α) την άμεση επιβράδυνση των τρένων που τρέχουν με 500 χιλιόμετρα την ώρα στις περιφέρειες κοντά στην εστία του σεισμού (μεταφέρουν χιλιάδες κόσμου καθημερινά), β) τον έλεγχο των ανελκυστήρων για να μην εγκλωβιστούν άνθρωποι και γ) την πρόληψη για οδικά ατυχήματα.

H Eλλάδα απέχει δεκαετίες από την ανάπτυξη μιας τέτοιας τεχνολογίας. Η πιο πρόσφατη εξέλιξη ήταν η δημοσίευση της γεωβάσης. Είναι βάση δεδομένων για τα ενεργά ρήγματα της χώρας, όπως προέκυψε από τη σχετική μελέτη πολλών φορέων (Γεωδυναμικό Ινστιτούτο του Εθνικού Αστεροσκοπείου Αθηνών, Τμήμα Γεωλογίας του Αριστοτελείου Πανεπιστημίου και του Πανεπιστημίου Πατρών, Ελληνικό Κέντρο Θαλάσσιων Ερευνών, Τμήμα Γεωλογίας και Γεωπεριβάλλοντος του Πανεπιστημίου Αθηνών και Ινστιτούτο Τεχνικής Σεισμολογίας και Αντισεισμικών Κατασκευών).

Τονίστηκε πως το έργο είναι δυναμικό, με την έννοια ότι έχει τη δυνατότητα να ενσωματώνει τα νέα επιστημονικά δεδομένα. Έτσι οι επιστήμονες είναι σε θέση να γνωρίζουν καλύτερα τι θεωρείται φυσιολογικό και τι ανησυχητικό σε κάθε περιοχή, έπειτα από κάθε σεισμό.

Την ίδια περίοδο μια εφαρμογή που δημιούργησαν ερευνητές στο University of Berkeley ενημέρωσε εγκαίρως περί τους 1.000.000 Καλιφορνέζους, για τον σεισμό 4.4 που έπληξε το Los Angeles, στις 13/8.

Είναι το My Shake, πάνω στο οποίο δουλεύουν οι επιστήμονες περί τη μια δεκαετία. Προφανώς και επιστράτευσαν την τεχνητή νοημοσύνη, για να σωθούν. Για την ακρίβεια, το My Shake λειτουργεί όπως λειτουργεί η σχετική υπηρεσία των Android. Δηλαδή, συγκεντρώνει δεδομένα κίνησης από τα τηλέφωνα μιας συγκεκριμένης περιοχής και στέλνει ειδοποιήσεις με βάση την τοποθεσία ενός τηλεφώνου.

«Ο χρόνος που ενημερώνει ποικίλλει από μερικά δευτερόλεπτα έως δεκάδες δευτερόλεπτα, ανάλογα με την τοποθεσία του σεισμού και τη διαθεσιμότητα των τηλεφώνων», δηλωσε ο Richard Allen, διευθυντής του εργαστηρίου σεισμολογίας του University of Berkeley, ο οποίος μετείχε ενεργά στην ανάπτυξη της τεχνολογίας. Η New York Post εξήγησε πως για όσους ασχολούνται με την πρόγνωση σεισμών, αυτή η τεχνολογία είναι ανάλογη με της εφεύρεσης του τηλεφώνου για την ανθρωπότητα.

Τα αποτελέσματα που ξεπέρασαν τις προσδοκίες

Ιστορικά, η επιστήμη των προβλέψεων σεισμών περιλάμβανε πολλές λανθασμένες θεωρίες, με χαρακτηριστική αυτήν του ‘σεισμόκαιρου’ (βλ. σεισμοί που συνδέονται με καιρικά φαινόμενα). Λανθασμένη έχει αποδειχθεί και η θεωρία που συνδέει την πρόβλεψη με στοιχεία όπως η ημερομηνία, η ώρα και η τοποθεσία.

Ο Quentin Bletery, ερευνητής της επιστήμης της γης στο Πανεπιστήμιο Côte d’Azur στη Νίκαια της Γαλλίας σχολίασε ότι «υπάρχει μια συζήτηση για πολλά χρόνια στη σεισμολογική κοινότητα, σχετικά με το εάν οι σεισμοί είναι χαοτικό φαινόμενο ή ντετερμινιστικό. Αν οι σεισμοί είναι ένα χαοτικό φαινόμενο, ανεξάρτητα από την τεχνολογία, δεν θα μπορέσουμε να τους προβλέψουμε ποτέ. Αν είναι ντετερμινιστικοί (υπάρχουν πρόδρομες ανωμαλίες που μπορούν να παρατηρηθούν εκ των προτέρων με τα σωστά όργανα), τότε η πρόβλεψη γίνεται δυνατή.

Kαι εδώ επιστρατεύεται το machine learning που εν αντιθέσει με το παρελθόν, επικεντρώνεται στην στατιστική ανάλυση δεδομένων με τη χρήση νέων εργαλείων τεχνητής νοημοσύνης. Έτσι εξάγονται φυσικά χαρακτηριστικά από τα καταγεγραμμένα δεδομένα και συνδυάζονται στατιστικά για την καλύτερη πρόβλεψη.

Τα αποτελέσματα της δοκιμής της σχετικής πρακτικής δημοσιεύτηκαν στο Bulletin of the Seismological Society of America τον περασμένο Σεπτέμβριο. Όπως ομολόγησαν οι ερευνητές, ξεπέρασαν τις προσδοκίες τους. Ο αλγόριθμος τεχνητής νοημοσύνης εκπαιδεύτηκε να ανιχνεύει στατιστικές προσκρούσεις σε σεισμικά δεδομένα της Κίνας σε πραγματικό χρόνο και προέβλεψε σωστά το 70% των σεισμών (συνολικά 14) τουλάχιστον μια εβδομάδα νωρίτερα και σε απόσταση 200 μιλίων από τα επίκεντρά τους.

Στα στατιστικά λάθη ανήκε η απώλεια ενός σεισμού και η πρόβλεψη οκτώ που δεν έγιναν ποτέ. Οι επιστήμονες τόνισαν πως αυτή η προσέγγιση δείχνει να μπορεί κάλλιστα να γίνει το μέλλον της σεισμολογίας, όπως συνεχίζουν να ερευνούν τρόπους με τους οποίους το machine learning μπορεί να κάνει εφικτές τις πλήρεις προβλέψεις.

Η τελευταία ανακάλυψη περιελάμβανε και μια Ελληνίδα

Σε αυτό το πνεύμα, ερευνητές του University of Alaska δημοσίευσαν στα τέλη του Αυγούστου εργασία που δείχνει πως μοντέλο τεχνητής νοημοσύνης μπορεί να προβλέψει πρώτα σημάδια σεισμικής δραστηριότητας και μήνες πριν γίνει ένας σεισμός.

Εκ των συγγραφέων της μελέτης είναι η γεωλόγος Κυριακή Δρυμώνη του Πανεπιστημίου Ludwig-Maximilians-Universität στο Μόναχο της Γερμανίας. Αυτό που έγινε ήταν να γράψουν αλγόριθμο, για να αναζητήσουν τα δεδομένα που έδειχναν ανώμαλη σεισμική δραστηριότητα. Όπως σημείωσαν οι καθ’ ύλην αρμόδιοι «η εργασία μας δείχνει ότι οι προηγμένες στατιστικές τεχνικές, ιδιαίτερα η μηχανική μάθηση, έχουν τη δυνατότητα να εντοπίζουν πρόδρομους σεισμούς μεγάλου μεγέθους αναλύοντας σύνολα δεδομένων που προέρχονται από καταλόγους σεισμών.

Επικεντρώθηκαν σε δύο μεγάλους σεισμούς: τον σεισμό 7,1 Ρίχτερ του 2018 στο Anchorage της Αλάσκας και τον σεισμό Ridgecrest της Καλιφόρνια το 2019 με σειρά σεισμών μεγέθους 6,4 έως 7,1 Ρίχτερ. Διαπιστώθηκε ότι είχε συμβεί σε περίπου 15% έως 25% της Νότιας Κεντρικής Αλάσκας και της Νότιας Καλιφόρνια ασυνήθιστη περιφερειακή σεισμικότητα χαμηλού μεγέθους περίπου τρεις μήνες νωρίτερα.

Η έρευνά τους διαπιστώνει ότι η αναταραχή που προηγείται των μεγάλων σεισμών καταγράφεται ως επί το πλείστον από σεισμική δραστηριότητα με μέγεθος κάτω από 1,5 Ρίχτερ. Οι συγγραφείς δηλώνουν ότι ο αλγόριθμός τους θα δοκιμαστεί σε καταστάσεις σχεδόν σε πραγματικό χρόνο για τον εντοπισμό και την αντιμετώπιση πιθανών προκλήσεων για την πρόβλεψη σεισμών. Τόνισαν πως η μέθοδος δεν θα πρέπει να χρησιμοποιείται σε νέες περιοχές χωρίς την εκπαίδευση του αλγόριθμου με την ιστορική σεισμικότητα αυτής της περιοχής.

ΣΧΕΤΙΚΟ ΘΕΜΑ