數據觀世界地震災害預測具有很長的一段歷史，1800多年以前，我國東漢時代的科學家張衡就已經研製了世界上最早的地震儀——地動儀。隨著技術的不斷進步，雖然地震預測的精準度不斷得到提升，但地震預測對人類來說依然是一道難題。
數據觀世界2011年3月發生在日本海岸的9.0級地震等大震較容易被發現，但很少有如此猛烈的事件。低強度地震（在瞬時震級上達到2.0或更小的震級），很少造成財產損失。由於背景噪聲，小事件和誤報，它們一般不會被地震監測系統所接收。
數據觀世界史丹福大學地球物理系的一篇新論文描述了一種可能的解決方案，科學家開發了一種被稱為CNN-RNN地震探測器（CRED）的人工智慧系統 ，可以識別一定範圍內的歷史連續地震信號數據。它建立在哈佛和谷歌的工作基礎之上，後者在8月創建了一個人工智慧模型，能夠預測大地震發生後一年內餘震的位置。
研究人員開發的人工智慧模型主要包括兩種神經網絡層（互連的處理節點組成，模仿大腦中神經元的功能 ）：卷積神經網絡和遞歸神經網絡。前者從地震儀數據中提取特徵，而後者學習地震儀數據的順序特徵，並且可以結合記憶輸入提高其預測的準確性。
數據觀世界兩種神經網絡共同構成了一個殘差網絡框架（一種緩解多層神經網絡常見問題的架構）。通常，隨著分層節點數量的增加，會導致精度度飽和並降低。但是由於殘差學習函數自身處理函數的方式，可以幫助神經網絡既能夠保持準確性，又能夠從數據集中學習更多高級特徵。另外一點好處就是，它更容易得到優化。
為了訓練和驗證人工智慧地震探測系統的有效性，研究人員採集了2011年間記錄在阿肯色州Guy-Greenbrier的連續數據，其中包含3,788個地震事件，此外還有北加州889個監測站提供的550,000條平均時長30秒、3個分量級的地震數據。
取共計大約550,000條數據中的50000條樣本作為測試集，用於評估性能。結果顯示，無論地震事件是較大、較小、局部還是具有高度的背景噪聲，網絡模型都能夠準確預測出地震信號。至關重要的是，人工智慧不需要全長的信號來檢測地震，僅需部分記錄就足夠了。
當從Guy-Greenbrier數據集中獲取連續數據時，該模型花費了一個多小時在筆記本電腦上進行訓練，檢測到由水力壓裂，廢水注入和構造板運動引起的1102次微震和地震（包括77次沒有以前沒有編目的）。
研究人員報告說，在所有測試中，與兩個廣泛部署的地震系統相比，學習模型獲得了「優越」的性能。他們指出，它很好地概括了它沒有看到的地震數據。他們對網絡進行了訓練，可以實時應用於地震數據流，並且該架構非常靈活，可以輕鬆擴展。由於這是一個基於光譜結構的地震信號高解析度模型，所以誤報率很小。
研究人員認為，該人工智慧模型可以利用多個傳感器，在構造活動區域進行實時監控，也可以作為早期地震預警系統的基礎。
大家對此有什麼看法呢？地震將來有可能完全被人類預測嗎？歡迎留言評論。
END