Ahli geologi Amerika dan Inggris telah menciptakan sistem kecerdasan buatan baru yang mampu memprediksi gempa bumi dan telah berhasil mengujinya di simulator gempa laboratorium, menurut sebuah artikel yang diterbitkan di jurnal GRL.
“Untuk pertama kalinya, kami dapat menggunakan sistem pembelajaran mesin untuk menganalisis data akustik dan memprediksi gempa jauh sebelum benar-benar terjadi. Hal ini memungkinkan kami mendapatkan cukup waktu untuk memperingatkan dan mengevakuasi penduduk pada waktu yang tepat. Sungguh menakjubkan peluang apa yang diberikan kecerdasan buatan kepada kita,”kata Colin Humphries dari University of Cambridge.
Gempa bumi dan bencana alam berbahaya lainnya yang terkait dengan bagian dalam Bumi paling sering terjadi di perbatasan patahan antara lempeng tektonik, yang pergerakannya sering terhalang oleh ketidakteraturan di tepinya. Ketika pergerakan lempeng berhenti, energi potensial terakumulasi pada titik kontaknya, yang dapat dilepaskan dalam bentuk panas dan semburan gelombang akustik yang kuat pada saat batuan dalam ketidakteraturan ini tidak dapat menahan dan pecah.
Ilmuwan telah lama mencoba untuk memahami proses apa yang mengontrol akumulasi energi ini, dan juga mencari cara untuk "melihat melalui" interior bumi sehingga kita dapat mempelajari tentang munculnya zona tekanan tektonik seperti itu dan memprediksi kemungkinan, kekuatan dan waktu terjadinya getaran baru dengan sifat-sifatnya.
Terlepas dari kemajuan yang sangat pesat di bidang ini, prediksi tersebut masih sangat tidak akurat, yang sering menimbulkan perselisihan antara ilmuwan dan politisi yang tidak menyukai ambiguitas. Misalnya, ahli seismologi yang salah memprediksi besarnya gempa bumi di L'Aquila di Italia pada tahun 2009 menerima hukuman penjara nyata karena "informasi yang salah" dari populasi dan kematian sekitar tiga ratus orang. Ini semakin mendemotivasi seismolog dan ilmuwan lain untuk membuat prediksi khusus untuk masa depan.
Menurut Humphreys, salah satu alasan mengapa prediksi gempa bumi saat ini tidak akurat atau keliru adalah karena seismograf dan perangkat pengamat lainnya menerima sinyal yang tak terhitung jumlahnya, hanya beberapa yang terkait dengan akumulasi energi di batas patahan, sementara yang lain dihasilkan oleh fenomena lain., tidak terhubung dengan proses tektonik apapun.
Dalam beberapa kasus, "hambatan" ini dapat disingkirkan - dan kemudian ramalannya cukup akurat, dan dalam kasus lain, seperti bencana tahun 2009, kegagalan dalam hal ini berakhir dengan cara yang tidak terduga.
Masalah serupa, seperti dicatat oleh Humphreys dan rekan-rekannya, saat ini sedang diselesaikan oleh perwakilan dari sains yang sama sekali berbeda - insinyur komputer yang terlibat dalam pengembangan berbagai sistem pembelajaran mesin dan kecerdasan buatan. Fitur utama dari jaringan saraf modern adalah mereka dapat menganalisis data yang sangat "kotor" dan menemukan di dalamnya apa yang diperlukan untuk memecahkan masalah: misalnya, untuk menyortir gambar kucing dan anjing atau pengenalan suara di ruangan yang bising.
Video promosi:
Dipandu oleh ide ini, para ilmuwan telah menciptakan "emulator gempa" khusus di Laboratorium Nasional Los Alamos di Amerika Serikat, yang sepenuhnya mensimulasikan apa yang terjadi di patahan ketika tremor baru lahir, dan menggunakannya untuk mengajarkan jaringan saraf untuk "melihat" jejak gempa di masa depan. dalam kumpulan data yang dikumpulkan seismograf.
Setelah beberapa waktu, mesin tersebut belajar untuk memprediksi dengan benar gempa bumi "laboratorium" dengan tingkat akurasi dan keandalan yang sangat tinggi - ini, menurut para ilmuwan, menunjukkan bahwa metode serupa dapat digunakan untuk memprediksi situasi seismik yang sebenarnya. Di sisi lain, algoritme saat ini, kemungkinan besar, belum dapat digunakan untuk tujuan ini, karena "dilatih" bukan pada data nyata, tetapi pada peniruannya, dan oleh karena itu prediksinya bisa jadi agak tidak akurat saat bekerja di lapangan.
