Google ve Harvard, artçı depremi yapay zeka ile tahmin edecek

Harvard profesörü Brendan Meade açıklama yaptı
Yorumlar

Büyük bir depremden sonra tehlike genellikle bitmez. İlk şokun tetiklediği takip eden küçük depremler, etkilenen alanın etrafında aylarca dolaşabilir ve daha da kötüsü ana deprem tarafından zayıflatılmış yapıları devirebilir. Bilim adamları, bu artçı depremlerin boyutunu ve zamanlamasını bir noktaya kadar tahmin edebilirler, ancak depremin olacağı alanı tahmin etmek her zaman zorlayıcıdır. Harvard ve Google'daki bilim adamlarından yeni araştırmaları, yapay zekanın bu zorlayıcı görevde etkili bir yardımcı olabileceğini öne sürüyor.

Bilim adamları ve Google, 131.000'den fazla artçı deprem örneği inceledi ve 30.000 simülasyon testi yaptı. Bu bilgilerle veritabanında kalıp yaratıp, sinir ağını eğittiler. Derin Öğrenme Ağı adı verilen bu yapay zeka, “Coulomb başarısızlık stres değişimi” olarak bilinen mevcut en kullanışlı modelden, önemli ölçüde daha güvenilir.

0'dan 1'e kadar olan bir doğruluk ölçeğinde (1'i mükemmel bir model ve 0,5'in altı yetersiz bir model) mevcut Coulomb modeli 0,583 değerindeyken, Derin Öğrenme Ağı adı verilen sistemin değeri ise 0.849'a ulaştı.

Harvard profesörü Brendan Meade açıklama yaptı

Meade, “Depremler hakkında bilmek istediğiniz üç şey var. Ne zaman olacaklar, ne kadar büyük olacaklar ve nerede olacaklar. Bu çalışmadan önce, ne zaman ortaya çıkacakları ve ne kadar büyük olacağına dair deneysel yasalarımız vardı ve şimdi de nerede ortaya çıkacakları üzerinde çalışıyoruz. ” dedi.

Karmaşık veri kümelerindeki daha önce gözden kaçmış ayrıntıları ortaya çıkarma yeteneği, yapay zekanın en güçlü yönü. Bu özellik, verideki bağlantıları görmenin zor olabileceği sismolojide büyük bir önem arz ediyor. Sismik olaylar, farklı alanlardaki zeminin yapısından, sismik plakalar arasındaki enerjinin Dünya'daki dalgalarda yaydığı yöntemlere kadar çok fazla değişken içeriyor. Herşeyi anlamlandırmak inanılmaz derecede zor. Henüz genişme aşamasında olan bu teknoloji, gerçek zamanlı olarak çalışmak için çok yavaş, bu yüzden de araştırmanın başarısına rağmen, gerçek dünyadaki kullanıma hazır olmaktan çok uzak.