به گزارش همشهری آنلاین، این حرکت‌ها با سرعتی معادل رشد یک ناخن انجام می‌شوند تا اینکه سرانجام با تکانی شدید، زمین به لرزه درمی‌آید. به‌طور اجتناب‌ناپذیری زمین‌لرزه‌های ویرانگر زمین را تکان خواهند داد و هیچ‌کاری نمی‌توان برای جلوگیری از وقوع‌شان انجام داد، اما درک اینکه این زلزله‌ها کجا احتمال وقوع بیشتری دارند و چه قدرتی ممکن است آزاد کنند به جوامع بشری کمک می‌کند تا آماده شوند. به‌عبارت دیگر، بهترین راه برای کاهش تأثیر این فاجعه‌ها تهیه نقشه‌هایی از زیر زمین است که در آن هر گسل مشخص شود و رفتار آن تحت نظارت قرار گیرد.
آغاز مسیر
برای تهیه نقشه‌های زیرزمینی پژوهشگران از لرزه‌سنج‌هایی روی سطح زمین استفاده می‌کنند؛ دستگاه‌های کوچکی که انواع لرزش‌ها، ازجمله زمین‌لرزه‌ها را حس و ثبت می‌کنند. امواج لرزه‌ای کمی شبیه به موسیقی هستند. با شناسایی نت‌ها و تغییرات ریتم آنها دانشمندان می‌توانند بفهمند چه «سازهای زیرزمینی» این امواج را ایجاد کرده‌اند، کجا قرار دارند و هنگام شکستگی چگونه رفتار می‌کنند. البته این کار بسیار سخت، اغلب کند و گاهی نادقیق بود. داده‌ها بسیار بیشتر از آن بودند که کارشناسان بتوانند به تنهایی آنها را تحلیل کنند. این زمین‌لرزه‌های کوچک امواج لرزه‌ای بسیار ریزی تولید می‌کنند که حتی ماهرترین لرزه‌شناس هم ممکن است در تشخیص آنها از داده‌های لرزه‌ای مشکل داشته باشد. سال۲۰۱۷ اما دانشمندان به ایده‌ای درخشان رسیدند. آنها مشاهده کردند که برنامه‌های یادگیری ماشینی می‌توانند مجموعه‌های عظیمی از تصاویر را پردازش کنند، بنابراین چرا از رویکردی مشابه در لرزه‌شناسی استفاده نشود؟
آینده
با پیشرفت برنامه‌های یادگیری ماشینی، آنها ممکن است بخش زیادی از زیرسطح زمین را به‌طور دقیق‌تر نمایان کنند. این فناوری می‌تواند سرعت و دقت سیستم‌های هشدار زودهنگام زلزله را هم افزایش دهد؛ برنامه‌های تقریبا خودکاری که تهدیدات را در لحظات اولیه پس از شروع زلزله پیش‌بینی و قبل از امواج لرزه‌ای به مردم پیام‌های اضطراری ارسال می‌کنند. این فناوری به مجموعه درحال رشد ابزارهای هوش مصنوعی برای کاهش بلایا خواهد پیوست. برای مثال، در توکیو نرم‌افزارهای AI تصاویر دوربین‌های مستقر در ارتفاعات شهر را اسکن می‌کنند تا آتش‌سوزی‌ها و ریزش ساختمان‌ها را شناسایی کنند و بلافاصله به مقامات اطلاع دهند.
بیشتر بخوانید:
AI چگونه پیش‌بینی می‌کند
- با استفاده از هوش مصنوعی می‌توان زلزله را به‌صورت غیرمستقیم و با دقت بیشتری تحلیل و پیش‌بینی کرد، اما باید گفت که این روش‌ها هنوز درحال توسعه هستند و به‌جای پیش‌بینی دقیق زلزله، بیشتر برای شناسایی الگوها و کاهش خطرات ناشی از آن مفید هستند.
- الگوریتم‌های یادگیری ماشین می‌توانند زمین‌لرزه‌های کوچک و نامحسوسی را شناسایی کنند که داده‌های سنتی قادر به تشخیص آنها نیستند. این زمین‌لرزه‌ها الگوهای رفتار گسل‌ها را آشکار می‌کنند.
- هوش مصنوعی قادر است حجم زیادی از داده‌های لرزه‌ای را با سرعت و دقت بالا پردازش و شبکه گسل‌ها و ویژگی‌های آنها را مشخص کند.
- با استفاده از داده‌های تاریخی، الگوریتم‌های هوش مصنوعی می‌توانند رفتار آینده گسل‌ها را شبیه‌سازی و مناطقی با احتمال بالای وقوع زلزله را شناسایی کنند.
- این فناوری می‌تواند سرعت و دقت سیستم‌های هشدار زودهنگام زلزله را افزایش دهد، به‌طوری که مردم و مقامات بتوانند پیش از رسیدن امواج لرزه‌ای اقدامات لازم را انجام دهند.
- شبکه‌های زیرزمینی پیچیده، مانند حرکت سنگ‌های مذاب یا فشار در گسل‌های حساس توسط هوش مصنوعی شناسایی می‌شود که می‌تواند نشانه‌ای از وقوع احتمالی زلزله باشد.