Google e Harvard collaborano per utilizzare l’apprendimento approfondito per prevedere le scosse di assestamento del terremoto
Un altro esempio di intelligenza artificiale che trova modelli nuovi e utili in serie di dati complessi
Dopo un grande terremoto colpisce, il pericolo non è finito. Piccoli terremoti di follow-up che sono scatenati dallo shock iniziale possono rimbombare per mesi su un’area colpita, facendo crollare le strutture indebolite dal sisma dei genitori. Gli scienziati possono prevedere in certa misura le dimensioni e i tempi di queste scosse di assestamento, ma inchiodare il luogo è sempre stato difficile. Una nuova ricerca dagli scienziati di Harvard e Google suggerisce che l’intelligenza artificiale potrebbe essere in grado di aiutare.
In un articolo pubblicato sulla rivista Nature questa settimana , i ricercatori mostrano come l’apprendimento approfondito può aiutare a prevedere le postazioni di post-shock in modo più affidabile rispetto ai modelli esistenti. Gli scienziati hanno addestrato una rete neurale per cercare gli schemi in un database di oltre 131.000 eventi di “shock-aftershock”, prima di testare le sue previsioni su un database di 30.000 coppie simili.
L’INTELLIGENZA ARTIFICIALE È PIÙ ACCURATA RISPETTO AI MODELLI ESISTENTI
La rete di deep learning era significativamente più affidabile del modello esistente più utile, noto come “Coulomb failure stress change”. Su una scala di precisione che va da 0 a 1 – in cui 1 è un modello perfettamente accurato e 0.5 è buono quanto il flipping una moneta – il modello di Coulomb esistente ha ottenuto 0,583, mentre il nuovo sistema di IA ha raggiunto lo 0,849.
Brendan Meade, professore di scienze planetarie e terrestri ad Harvard che ha collaborato alla stesura del documento, ha dichiarato a ScienceDaily che i risultati sono stati promettenti. “Ci sono tre cose che vuoi sapere sui terremoti”, ha detto Meade. “Quando arriveranno, quanto saranno grandi e dove saranno. Prima di questo lavoro avevamo leggi empiriche per quando si sarebbero verificati e quanto sarebbero stati grandi, e ora stiamo lavorando alla terza tappa, dove potrebbero verificarsi “.
Prevedere la posizione delle scosse di assestamento potrebbe aiutare a indirizzare i servizi di emergenza dove sono necessari.
Foto di Carl Court / Getty Images
Il successo dell’intelligenza artificiale in questo settore è dovuto a uno dei punti di forza della tecnologia: la sua capacità di scoprire modelli trascurati in precedenza in insiemi di dati complessi. Ciò è particolarmente rilevante in sismologia, dove può essere incredibilmente difficile vedere le connessioni nei dati. Gli eventi sismici coinvolgono troppe variabili, dalla composizione del terreno in aree diverse ai tipi di interazioni tra le placche sismiche ai modi in cui l’energia si propaga nelle onde attraverso la Terra. Dare un senso a tutto questo è incredibilmente difficile.
PER SAPERNE DI PIÙ: AI STA AIUTANDO I SISMOLOGI A RILEVARE I TERREMOTI CHE ALTRIMENTI AVREBBERO PERSO
I ricercatori dicono che il loro modello di apprendimento profondo è stato in grado di formulare le sue previsioni prendendo in considerazione un fattore noto come il “criterio di rendimento von Mises”, un calcolo complesso utilizzato per prevedere quando i materiali inizieranno a rompersi sotto stress. Come Meade dice a ScienceDaily , questo fattore è spesso usato in campi come la metallurgia, “ma non è mai stato popolare nella scienza dei terremoti”. Ora, con le scoperte di questo nuovo modello, i geologi possono indagare sulla sua rilevanza.
Nonostante il successo di questa ricerca, è tutt’altro che pronto per l’implementazione nel mondo reale. Per cominciare, il modello di intelligenza artificiale si concentra solo sulle scosse di assestamento causate da cambiamenti permanenti al suolo, noti come stress statico. Ma i terremoti di follow-up possono anche essere causati da rumori nel terreno che si verificano in seguito, noto come stress dinamico. Anche il modello esistente è troppo lento per funzionare in tempo reale. Questo è importante, poiché la maggior parte delle scosse di assestamento si verificano il primo giorno dopo il verificarsi di un terremoto, prima di dimezzare approssimativamente la frequenza ogni giorno successivo.
Come Phoebe DeVries, un postdoc di Harvard che ha contribuito a condurre la ricerca, ha detto a ScienceDaily : “Siamo ancora lontani dall’essere in grado di prevedere [scosse di assestamento], ma penso che l’apprendimento automatico abbia un enorme potenziale “.
