本文摘要:(公众号:)消息,近日,来自 Google 人工智能部门和哈佛大学的研究人员早已创建了一个人工智能模型,需要预测大地震后长约一年的余震方位。
(公众号:)消息,近日,来自 Google 人工智能部门和哈佛大学的研究人员早已创建了一个人工智能模型,需要预测大地震后长约一年的余震方位。该模型训练了近几十年来的 199 次大地震以及之后带给的 13 万次余震,并找到比目前用作预测余震的方法更加准确。
用作训练神经网络的余震数据集来自距离每个地震震中横向伸延 50 公里、水平伸延 100 公里的周边地区。哈佛大学地球和行星科学系的 Phoebe DeVries 在电话专访中回应:我们找到,在将这些模型形变变化输出神经网络后,在测试数据中,神经网络可以更加精确地对余震方位展开预测,这比在余震研究中常常用于的库仑毁坏形变变化基准预测的更加精确。
用作训练该模型的数据来自著名的大地震,例如 2004 年苏门答腊地震、2011 年日本地震、1989 年旧金山湾区的洛马普里塔地震和 1994 年洛杉矶附近的北岭地震。这项研究成果公开发表在《大自然》杂志上。了解到,该研究由 DeVries 与 Google 机器学习研究人员 Martin Wattenberg 和 Fernanda Viégas 以及 Google 人工智能聘用负责人 Brendan Meade 联合编写。
虽然 DeVries 和 Meade 指出他们自己是地球计算出来科学家,但是目前没实际的地震学家参予这项研究。另外,AI 模型在训练过程中的经验将被用来探寻一个更大的问题:到底是什么引起地震?回应,Meade 在电话专访中回应:虽然大多数神经网络都十分无法说明,有时也被称作黑匣子,但我指出,因为我们对有可能涉及其中的物理学有了一些概念,所以我们了解到通过弹性传送形变是最重要的,结论证明我们的结果是可以拒绝接受的。我们需要看见这个模型计算出来出有的结果是有意义的,它实质上为我们认为了一些有可能引起地震的有所不同的物理理论,因此它于是以引领我们南北一个令人兴奋的新方向。Meade 说道,该模型无法对由火山爆发等其他根本性自然灾害所产生的地震产生影响。
任何机器学习应用于,不管神经网络否具备推理小说能力,不仅各不相同算法结构,而且各不相同它所用于的训练集,而且我们没用于与火山有关的训练集或诸如此类的东西,所以我们显然没理由坚信它不会对所有的地震预测起起到。Meade 补足道,这个模型是利用过去几年大地震的历史数据来训练的,但接下来,不会重新加入将来的地震数据。
本文来源:全民购彩大厅首页-www.shemanns.com