- 註冊時間
- 2025-1-27
- 最後登錄
- 2025-10-19
- 主題
- 查看
- 積分
- 871
- 閱讀權限
- 100
- 文章
- 461
- 相冊
- 1
- 日誌
- 0
 
狀態︰
離線 
|
在加州卡利帕特里亞，2008 年 1 月 1 日凌晨 1:59 發生一次規模為 -0.53 的微弱地震，幾乎無法被人感知。然而，這次地震的意義在於，隨著人工智慧（AI）技術的進步，這類微小地震的檢測變得更加精確和自動化。過去七年中，基於電腦影像的 AI 工具幾乎完全自動化了地震學中的一項基本任務：地震檢測。這些機器學習工具能夠在嘈雜的城市環境中檢測到比人類分析師更小的地震，這對於了解地球的組成及未來可能發生的災害至關重要。
科學家Kyle Bradley表示，使用這些新技術的最佳情況就像第一次戴上眼鏡，能夠清晰地看到樹葉。許多地震科學家一致認為，機器學習方法在這些特定任務中取代了人類，並且效果更佳。雖然地震檢測是地震學的基本部分，但許多其他數據處理任務尚未受到影響，地震預測的潛在影響仍未實現。
傳統上，科學家使用地震儀來記錄地球的運動，並透過處理原始數據來辨識地震。地震產生的多種類型的震動以不同的速度傳播，科學家們需要辨識這些震動的開始階段。過去，地震目錄的編制需要人工進行，但隨著電腦的引入，創建有效的演算法來發現和處理地震成為地震學的重點。
傳統演算法在檢測小地震方面存在挑戰，尤其是在城市等嘈雜環境中。AI檢測模型的出現解決了這些問題，這些模型不僅速度更快，還能在消費者等級的CPU上運行，並且能夠更好地適應未在原始數據集中表示的區域。AI模型還能提供有關不同類型地震震動到達時間的更準確資訊，這對於科學家推斷地震結構至關重要。
AI模型的訓練依賴於大量標記數據，像史丹佛地震數據集（STEAD）這樣的公共數據集為地震學的深度學習提供支持。這些模型的準確性使得它們幾乎完全取代了傳統的地震檢測和階段辨識方法，特別是在小規模的情況下。雖然AI工具尚未能夠準確預測地震，但它們在地震學的應用中展現巨大潛力，尤其是在火山活動的研究和處理龐大數據集的成本降低方面。
錄自：科技新報
|
-
總評分: SOGO幣 + 10
查看全部評分
|
發表於 2025-10-13 20:35:14
x 
