Sejsmiczne zapisy to w rzeczywistości pomiary fal akustycznych przechodzących przez litosferę. Z punktu widzenia analizy sygnałów techniki stosowane w badaniu mowy i sejsmologii są zbliżone. Model Wav2Vec-2.0 został wytrenowany na ciągłych zapisach fal sejsmicznych i dostrojony za pomocą rzeczywistych danych z katastrofy kaldery Kīlauea w 2018 roku.
Wysokowydajne obliczenia z wykorzystaniem procesorów graficznych NVIDIA odegrały kluczową rolę w przetwarzaniu ogromnych zbiorów danych sejsmicznych, co pozwoliło AI na skuteczne rozpoznawanie wzorców w sygnałach.
Tradycyjne metody analizy sejsmicznej, takie jak drzewa gradientowe, mają trudności z interpretacją zmiennych i ciągłych sygnałów fal sejsmicznych. Modele głębokiego uczenia, takie jak Wav2Vec-2.0, lepiej identyfikują ukryte wzorce i związki czasowe w tych danych.
Podczas testów model AI wykazał lepszą zdolność do odwzorowywania ruchów gruntu w czasie rzeczywistym w porównaniu z konwencjonalnymi metodami analizy trzęsień ziemi.
Obecne badania pokazują, że chociaż sztuczna inteligencja jest skuteczna w monitorowaniu zmian uskoku, to nie radzi sobie jeszcze z przewidywaniem przyszłych przemieszczeń. Próby przeszkolenia modelu do prognozowania wstrząsów w krótkim okresie nie dały jednoznacznych rezultatów.
Według naukowców konieczne jest rozszerzenie zbioru danych o zapisy z różnych sieci sejsmicznych, obejmujące zarówno naturalne, jak i antropogeniczne sygnały sejsmiczne. Dopiero wtedy modele będą mogły wyciągać bardziej precyzyjne wnioski na temat potencjalnych przyszłych trzęsień ziemi.
Mimo że sztuczna inteligencja jeszcze nie przewiduje trzęsień ziemi, badanie sugeruje, że modele rozpoznawania mowy mogą być wyjątkowo przydatne w interpretacji skomplikowanych i zmiennych sygnałów generowanych przez uskoki tektoniczne.
To dopiero początek wykorzystania AI w sejsmologii. Naukowcy podkreślają, że dalszy rozwój modeli, oparty na ograniczeniach fizycznych i rozszerzonych zbiorach danych, może doprowadzić do przyszłych przełomów w prognozowaniu katastrof naturalnych.
Dzięki zaawansowanej analizie AI być może w przyszłości uda się lepiej zrozumieć mechanizmy prowadzące do trzęsień ziemi – a nawet przewidzieć je z wyprzedzeniem.