Исследователи успешно протестировали разработку в лаборатории.

Американские и британские сейсмологи разработали систему искусственного интеллекта, которая позволяет предсказывать землетрясения до того, как они произошли, и успешно протестировали ее в лабораторных условиях. О своей разработке ученые сообщили в журнале GRL, передает zn.ua.

По словам ученых, одной из причин того, почему текущие прогнозы землетрясений являются неточными или ошибочными, является то, что сейсмографы и другие наблюдательные устройства воспринимают бесчисленное множество сигналов, лишь часть из которых связана с накоплением энергии на границах разломов, а другие бывают порождены иными феноменами, никак не связанными с тектоническими процессами.

В некоторых случаях эти "помехи" удается отсеять — и тогда прогноз получается достаточно точным, а в других случаях неудача в этом отношении заканчивается непредсказуемым образом.

Схожие задачи сегодня решают компьютерные инженеры, занимающиеся разработкой различных систем машинного обучения и искусственного интеллекта. Ключевой особенностью современных нейросетей является то, что они могут анализировать очень "грязные" данные и находить в них то, что требуется для решения задачи: к примеру, для сортировки фотографий кошек и собак или распознавания речи в шумном помещении.

Руководствуясь такой идеей, ученые создали специальный "эмулятор землетрясений" в Национальной лаборатории Лос-Аламос в США, который полностью имитировал то, что происходит в разломах при рождении новых подземных толчков, и использовали его для того, чтобы научить нейросеть "видеть" следы будущих землетрясений в том наборе данных, которые собирают сейсмографы.

Через некоторое время машина научилась корректно предсказывать "лабораторные" землетрясения с очень высокой степенью точности и достоверности — это, как считают ученые, показывает, что подобные методы можно применять и для прогнозов реальной сейсмической обстановки. С другой стороны, текущий алгоритм, скорее всего, пока нельзя использовать для этих целей, так как он был "выдрессирован" не на реальных данных, а на их имитации, и поэтому его прогнозы могут быть достаточно неточными при работе в полевых условиях.