加州下方 是一片錯綜複雜的斷層，大塊的岩石在這些斷層之間滑過、滑過、滑過、滑過或滑入彼此之中。它們以指甲生長的速度移動，直到最終劇烈顛簸，地面顫抖。破壞性地震將不可避免地動搖該州。沒有什麼可以阻止他們罷工。但了解它們可能在哪裡發生，以及它們可以釋放什麼樣的力量，意味著社區可以做好準備。換句話說，減輕這些未來災難的最佳方法是繪製地下世界地圖，繪製每個故障並監控其行為。
羅賓·喬治·安德魯斯Robin George Andrews發表在最新一期《國家地理雜誌》(National Geographic) 的<人工智慧正在幫助地震學家尋找下一次巨型地震>( AI is helping seismologists find the next monster earthquake)指出，有些地震安靜得難以察覺。我們可能感覺不到它們，但機器可能會檢測到它們，並且它們可以向科學家指出潛在的「大人物」。(Some earthquakes are imperceptibly quiet. We may not feel them, but machines might detect them—and they can point scientists to a potential "Big One".)
地震波有點像音樂，識別它們的音符和節奏
為了創建這些地圖，研究人員在地表部署了地震儀，這些機器可以感知並記錄包括地震在內的各種振動。地震波有點像音樂。識別它們的音符和節奏變化，科學家可以弄清楚是什麼地下儀器創造了它們，它們位於哪裡，以及它們在破裂時如何表現。
從歷史上看，這項工作是一項艱苦的工作，通常進展緩慢，有時甚至不精確。當加州理工學院地球物理學助理教授 Zachary Ross 於 2010 年代初開始涉足這一領域時，他尋求一條新的前進道路。他說，傳統的地震搜尋科學方法「老實說很糟糕」。即使是當時最好的電腦程式也錯過了某些地震。一定有更好的方法。
斷層有一天可能會破裂並引發災難
「我們有大量可用數據，」羅斯說。他解釋說，由於加州的地質活動非常活躍，並且被地震儀完全覆蓋，因此所收集的數據超出了人類專家單獨可以合理處理的範圍。另外，大多數的斷層滑動都會產生微小、難以察覺的地震。這些發出的地震波非常微小，即使是最熟練的地震學家也很難在地震資料中發現它們，特別是當它們類似於來自人類來源（例如交通）的雜訊時。
2017年，羅斯頓悟了。他看到機器學習程式可以處理大量照片，對其中的元素進行識別和分類，其準確性和速度是人類無法比擬的。那麼，他想，為什麼不將類似的方法應用在地震學呢？
羅斯的第一個目標：那些大量的微小地震。它們可能是無害的，但這並不意味著它們不重要——它們的波浪可以照亮它們所經過的每一個斷層，包括那些更不穩定、壓力更大的斷層，這些斷層有一天可能會破裂並引發災難。
演算法快速識別了200 萬次以前小地震
羅斯和他的同事從南加州採集了地震波形，人類科學家已將其確定為真正的地震。然後他製作了它們的模板，即每次地震的地震波模式的快照。最後，他根據地震記錄設定了一種演算法，尋找與這些模板、那些快照相符的難以捉摸的地震。
該演算法快速識別了 2008 年至 2017 年期間近 200 萬次以前隱藏的小地震，這反過來又揭示了先前地震搜索無法看到的錯綜複雜的斷層網絡和斷層特徵。
羅斯說，2019 年發布的結果「太好了，你甚至不得不懷疑你所看到的是否真的合法」。 「這是一篇很酷的論文，」華盛頓大學地球物理學家 Marine Denolle 表示同意，她也在她的研究中使用了機器學習。 “那裡的工作量是驚人的。”
然而，有一個缺點。這個程式是真正人工智慧軟體的先驅，只能在它被訓練識別的地震記錄中找到地震。新的地震事件沒有被注意到。
因此，羅斯轉向更先進的工具：自學程序，可以利用預先存在的資訊並對未來進行預測的軟體——在這種情況下，可以預測更廣泛的地震可能會是什麼樣子。很快，這些程序發現了各種聽起來不熟悉的地震——後來被人類科學家證實了。 「你會看到很多完全被忽略的事情，」羅斯說。
感謝人工智慧，火山預測很快就會成為現實
這些機器學習程序仍在不斷發展，並且已經超越了識別無聲地震和隱藏故障的範圍。他們已部署在加州各地，在那裡他們發現了一類新的長期、緩慢遷移的地震群。在夏威夷，他們在兩座活火山下方發現了一個前所未見的脈動和遷移熔岩網絡，傳統的地震分析方法無法辨識。
「這比我們幾年前所能做到的僅僅光年而已，」羅斯說。 “現在已經達到了超人的水平。”
如今，地震學界的許多人都以謹慎樂觀的態度看待羅斯的工作。 「我認為它確實可以推動地震學領域向前發展，」地震災害和地震科學家溫迪·博洪 (Wendy Bohon) 說。人工智慧可以倍增並加速單一科學家的能力。它可以同時處理許多地震記錄，以極高的精度和三維度渲染它們，速度比人類在相同時間內更快。
有人擔心，沒有研究過機器學習的地球科學家需要迎頭趕上。 “我們如何才能培訓更廣泛的地震學界來理解和了解幕後發生的事情，以便我們能夠適當地評估這些產品？”博洪問。
隨著這些機器學習程式的工作精度越來越高，它們可能會讓地球上大部分淺層地下區域成為焦點。最終，它們還可以用於提高地震預警系統的速度和準確性，該系統基本上是自主程序，可以在地震發生後立即預測對生命和財產的威脅，並在地震波到達人們之前向人們發送緊急短信。他們將加入越來越多的用於減輕災難的人工智慧工具。例如，在地震頻繁的東京，人工智慧軟體將掃描全市高點攝影機的影像，以識別火災和建築物倒塌，並在發生時向當局發出警報。此類計劃可節省搜救所需的寶貴時間。
但儘管人工智慧程式做出了種種承諾，但它不會取代人類科學家。 「它們只是工具，」羅斯說，他懷疑，隨著時間的推移，這些工具將變得像地震儀本身一樣普通。