四川省8日夜發7.0級地震，導致震中位于岷江斷裂、塔藏斷裂和虎牙斷裂附近，推測發震構造為塔藏斷裂南側分支和虎牙斷裂北段，截至8月9日8時10分，遇難人數增至12人（新增3人身份暫不明確），受傷175人（重傷28人）；被中斷道路301線K79處已搶通便道，K83處仍有落石，暫無法搶通。

　　而我們今天懷揣著對災區受災民眾的祈禱來殷切希望一切安好，中國對地震災害的感測儀器，在古代就已經在進行，張恒的地動儀是祖先的智慧結晶，救人于危難中，而目前中國對地表災害的預測已經更精準了，聲波測試、壓裂微地震監測等技術的完善為中國地震建立起了堅實的防護預警。

　　近10年來，地球物理學的進展，特別是數字化地震監測技術的應用，為小范圍內的、信號較微弱的微地震研究提供了必要的技術基礎。為了驗證和開發微地震監測技術在地下巖石工程（如地熱水壓致裂、水庫大壩、石油、核廢料處理等）中所具有的巨大潛力，中國很大一群公司的研究機構和大學聯合，進行了一些重大工程應用實驗，而這些實驗也得到了很好的效果。

　　然而，為何在科學技術如此蓬勃的今天，我們卻一而再再而三的迎來了危難呢？小編不禁感嘆，我們研究科技，創造科技難道不是是為了人們的幸福生活？

　　地震預測為何沒有帶來實際意義？

　　地震這類的自然災害是很難預測的，有時候是可以預測到，但是準確性很小，目前地震檢測系統就日本的最為發達，但是日本還不是經常有地震造成人員傷亡，省地震局局長丁仁杰此前就介紹過，地震多數發生在地下15公里以下的地殼里，當前人類對于地殼的研究只能通過鉆機鉆至地下12公里，遠遠做不到直接觀察到地震孕育發生的全過程，只能在地表憑借有限的儀器設備捕捉地殼內部結構和狀態變化的間接信息，以此來判斷地震發生的可能性，所以可想其難度系數之高。

　　另外一個，有時候地震局能檢測出來一些地震的訊息，但是這樣的訊息平時檢測太多，他不可能一檢測出地震的訊息就馬上組織人員的撤離的，所以說災難還是發生了。

　　或許地震AI能救場

　　世界各地的專家們花了數十年希望挖掘出地震的有關現象，例如：前震、地下水化學變化 ，甚至動物的反常行為，但成效甚小。后來嘗試過應用機器學習方法也失敗了，因此Lamont-Doherty地球觀測臺的地震學家克里斯·斯科爾茨都說：“這真是讓人無從下手的難解謎題。”

　　但這時人工智能站了出來，也許AI真的是我們未來成功預測地震的救星？

　　定位受災最重地區，將損失降低到最小值

　　地震來襲，快速找到被破壞最強的地區，或許能第一時間拯救出更多生命。One Concern就在研發這項技術——在地震后的幾分鐘內，立刻分析出受災最重的地區是哪里。

　　那么這套算法是如何形成的呢？One Concern首先需要下載某個地區與建筑有關的樓齡、類型、建筑材料等有關的數據。之后，研究人員需要訓練出一套能夠理解地震是如何損壞建筑物的套路。通過將這些知識和地震發生后的地震數據結合，One Concern的CEO Wani表示，他們研發的系統可以高效地預測出建筑物對沖擊波的反饋。

　　人工智能系統在評估分析后，會生成一張受災地圖，方便救災人員的查看，在地圖中，那些建筑物損壞最嚴重的街道和受災人數最多的區域都會被重點標注出來。之后將災害強度和人數相乘，就可以估算出該立刻前往哪個地區進行救災。

　　Muller表示，救災相關方面可以先用這個系統來配合一些地震救災的演習，以此來訓練他們的員工。

　　而對于那些不發達國家的地震區，因為建筑物數據的不足，研究人員采用了另外的AI策略。2015年4月尼泊爾的地震發生后，AI研究人員就訓用了不同的方法來幫助改變地面，救災響應的方式。

　　比如說，在經過人工智能軟件提前掃描后，線上的志愿者們面前會呈現出受災地區的衛星圖，之后大家一起幫助確認哪些地區可能是有人居住的地點。如果志愿者的判斷和AI系統判斷的是一樣的，那么這些地區就會標注出來，以待救災專業人員再進行審查。

　　目前已有兩個之前沒有被識別出來的村莊被地面救災人員發現了，并及時到場給予了救災支援。

　　20：1的時間差內秒速預測地震

　　洛斯阿拉莫斯國家實驗室的地球物理學家保羅·約翰遜曾表示：“如果你聲稱自己在預測地震方面取得了進展，別人會說你大概是傻了”。

　　但是，技術改進后的機器運算和超級計算機，以及存儲和處理大量數據的能力，都讓約翰遜的團隊發現人工智能方面的新突破。正在跟幾個研究機構合作的約翰遜還說：“如果時光倒退十年，我們還不可能做到這一點。” 通過更復雜的計算，他和他的團隊正在嘗試去做一件從來沒人做過的事：給機器輸入原始數據——這些數據都來源于實驗室實地模擬地震事件發生前期中期后期，并且都經過大量的采集。然后他們采用算法篩選數據的方式，機器學習除了實驗室模擬，他們還開始使用原始地震數據中的實際溫度信息進行進行同類型的機器學習分析。

　　這與科學家們以往預測的方式不同，過去通常使用“地震目錄”中處理過的地震數據來尋找預測線索。數據集僅僅包含地震震級、位置和時間，而忽略了其他很多信息。與此不同的是，約翰遜的機器算法或將拾取重要的預測標記。

　　約翰遜的合作伙伴—賓夕法尼亞州立大學的地球物理學家克里斯·馬羅內已經與約翰遜在地震模擬器運行實驗室中進行了部分實驗。模擬器可以隨機生成地震模式并生成開源機器學習算法的數據，且系統取得的結果也十分驚人。

　　“吱吱聲和摩擦聲”隨著模擬的構造板的時間推移不斷發生，從而通過計算機算法在聲學數據中拾取到可靠信號。隨著人造地殼系統更接近模擬地震，該算法可以以非常具體的方式揭示這些噪聲的變化。這意味著約翰遜可以隨時任意確認這個聲學信號，以確定地震可能發生的時間。

　　例如，如果模擬地震將在20秒內發生撞擊，研究人員可以分析信號并在一秒內準確預測地震。不過，目前約翰遜團隊只是追求一種估算地震的時間的方法，并不能估測到地震的大小。 可見預測地震的大小將是一個更加棘手的問題。

　　雖然大自然與模擬實驗室相比，要復雜的多，不過人工智能已然做到其他技術無法完成的事情。

　　為何人工智能是預測地震的最佳助手呢？

　　對于地震這類微觀前兆很多的災害，會涉及地殼運動、磁場、重力甚至是地下水化學成分的變化，這些數據或現象都要專業儀器的不間斷監測，可見數據量會多么驚人，這對于大數據的分析任務就特別重了。

　　此時，大數據加云端服務就是最佳拍檔，能夠全面分析微觀前兆。

　　再加上日本京都大學一個研究小組宣布，利用一種新方法有望提前1小時至20分鐘預測7級以上大地震。該研究小組調查分析發現，大地震發生前震源上空的電離圈電子數有異常增加的情況，據此斷定大地震發生，如果該論斷屬實，那么傳感器不需要深入地下也可實現預測。

　　此外，MIT人工智能實驗室曾經發明一套算法，通過600個小時的視頻對該算法進行訓練后，它已經能夠對接下來5秒出現的目標進行預測。如果加強算法強度，將地球至今的運動軌跡輸入系統，提高其成功率以及延長預測的時間，那正確預測碰撞的時間點也將指日可待了？