Një qasje e re e inteligjencës artificiale mund të ndihmojë në parashikimin e vendndodhjes së pasgoditjeve pas një tërmeti
An tërmet is a phenomenon caused when rock underground in the E tokës crust suddenly breaks around a geological fault line. This causes rapid release of energy which produces seismic waves which then make the ground shake and this is the sensation we fell during an earthquake. The spot where the rock breaks is called focus of the tërmet and place above it on ground is called ‘epicentre’. The energy released is measured as magnitude, a scale to describe how energetic was an earthquake. An earthquake of magnitude 2 is barely perceptible and can be recorded only by using sensitive specialized equipment, while tërmete of more than magnitude 8 can cause the ground to noticeably shake very hard. An earthquake is generally followed by many aftershocks occurring by a similar mechanism and which are equally devasting and many times their intensity and severity is similar to the original earthquake. Such post-quake tremors occur generally within the first hour or a day after the main tërmet. Forecasting spatial distribution of aftershocks is very challenging.
Scientists have formulated empirical laws to describe size and time of aftershocks but pinpointing their location is still a challenge. Researchers at Google and Harvard University have devised a new approach for assessing tërmete and forecasting location of aftershocks using artificial intelligence technology in their study published in Natyrë. Ata përdorën në mënyrë specifike mësimin e makinerive - një aspekt i inteligjencës artificiale. Në qasjen e të mësuarit të makinerive, një makinë 'mëson' nga një grup të dhënash dhe pas marrjes së këtyre njohurive është në gjendje ta përdorë këtë informacion për të bërë parashikime rreth të dhënave më të reja.
Studiuesit fillimisht analizuan një bazë të dhënash të tërmeteve globale duke përdorur algoritme të mësimit të thellë. Të mësuarit e thellë është një lloj i avancuar i të mësuarit të makinerive në të cilin rrjetet nervore përpiqen të imitojnë procesin e të menduarit të trurit të njeriut. Më pas, ata synonin të ishin në gjendje parashikim aftershocks better than random guessing and try to solve the problem of ‘where’ the aftershocks will occur. Observations collected from more than 199 major earthquakes around the world were utilized consisting of around 131,000 mainshock-aftershock pairs. This information was combined with a physics-based model which describing how Tokë would be strained and tense after an tërmet which will then trigger aftershocks. They created 5 kilometer-square grids within which system would check for an aftershock. The neural network would then form relationships between strains caused by main earthquake and the location of aftershocks. Once neural network system was well-trained in this manner, it was able to predict location of aftershocks accurately. The study was extremely challenging as it used complex real-world data of earthquakes. Researchers alternatively set up artificial dhe lloj tërmetesh 'ideale' për të krijuar parashikime dhe më pas ekzaminoi parashikimet. Duke parë daljen e rrjetit nervor, ata u përpoqën të analizonin se cilat 'sasi' të ndryshme ka të ngjarë të kontrollojnë parashikimin e pasgoditjeve. Pasi bënë krahasimet hapësinore, studiuesit arritën në një përfundim se një model tipik i pasgoditjes ishte fizikisht i 'interpretueshëm'. Ekipi sugjeron që një sasi e quajtur varianti i dytë i tensionit të stresit devijator – i quajtur thjesht J2 – mban çelësin. Kjo sasi është shumë e interpretueshme dhe përdoret në mënyrë rutinore në metalurgji dhe fusha të tjera, por nuk është përdorur kurrë më parë për studimin e tërmeteve.
Aftershocks of earthquakes cause further injuries, damage properties and also hinder rescue efforts therefore predicting them would be life-saving for humanity. Real time forecast may not be possible at this very moment as the current AI models can deal with a particular type of aftershock and simple geological fault line only. This is important because geological fault lines have different geometry in diverse geographical location on the planet. So, it may not be currently applicable to different type of earthquakes around the world. Nevertheless, artificial intelligence technology looks suitable for earthquakes because of n number of variables which need to considered when studying them, example strength of the shock, position of tectonic plates etc.
Rrjetet nervore janë të dizajnuara për t'u përmirësuar me kalimin e kohës, dmth. ndërsa më shumë të dhëna futen në një sistem, zhvillohet më shumë mësim dhe sistemi përmirësohet në mënyrë të qëndrueshme. Në të ardhmen një sistem i tillë mund të jetë pjesë përbërëse e sistemeve të parashikimit të përdorura nga sizmologët. Planifikuesit mund të zbatojnë gjithashtu masa emergjente bazuar në njohuritë për sjelljen e tërmetit. Ekipi dëshiron të përdorë teknologjinë e inteligjencës artificiale për të parashikuar magnitudën e tërmeteve.
***
{Mund të lexoni punimin origjinal kërkimor duke klikuar lidhjen DOI të dhënë më poshtë në listën e burimeve të cituara}
Burimi (s)
DeVries PMR et al. 2018. Mësimi i thellë i modeleve të pasgoditjeve pas tërmeteve të mëdha. Natyrë560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
