检测地震
地震比人们想象的更为常见。仅南加州每年就大约发生10,000 次地震，而美国中部的地震发生得越来越频繁，可能与废水注入有关。
虽然这些地震中有很大一部分我们可能感觉不到，但了解它们很重要。这些知识有助于我们确定地震的成因，并可能开发出预防地震的工具。
这也可能帮助我们弄清楚如何预测未来各种规模的地震，从而改善社区应对地震的方式。
Image: USGS
如今，由深度学习科学家 Thibaut Perol 领导的研究团队找到了一种利用人工智能（AI）提高地震监测能力的方法。他们的研究于今日发表于《Science Advances》。
借助人工智能创新
团队将他们的人工智能系统命名为 ConvNetQuake，这是首个旨在检测并定位地震的神经网络。该专用算法可以分析称为地震图的地面运动测量数据，并判断地震活动究竟只是“噪声”还是地震。过去，由于噪声干扰，检测极小地震一直非常困难，但 ConvNetQuake 能够将二者区分开来。
研究人员利用俄克拉何马州的地震活动数据训练和测试 ConvNetQuake。他们发现，该系统检测到的地震数量是俄克拉何马州地质调查局地震目录所记录数量的 17 倍。
这项研究展示了该系统如何提升美国中部地区的地震监测能力，但 ConvNetQuake 也可以应用于其他地区。通过有效检测并分类地震活动，它可以在地震“生命周期”的极早阶段提供重要信息，尽早提醒社区地震是否正在增强，以及可能有多严重。
不过，尽管 ConvNetQuake 优于其他地震监测方法，它只能检测地震——无法预测地震。尽管如此，在我们能够有效预测地震发生之前，早期检测仍是我们防止地震造成破坏的最大希望。
