Что машинное обучение может рассказать о твердой Земле?

Ученые, стремящиеся понять внутренние механизмы Земли, развернули армии датчиков, которые слушают признаки смещений, грохота, «выдохов» и других возмущений, исходящих от глубочайших разломов планеты до ее высочайших вулканов. Способность извлекать смысл из этого огромного потока данных (сотни выборок в секунду на тысячах инструментов) до недавнего времени отставала.

Теперь, как описывают геофизик из Стэнфорда Грегори Бероза и его соавторы в статье в журнале Science, алгоритмы машинного обучения, обученные исследовать структуру растущих геологических потоков данных, помогают ученым отвечать на давние вопросы о том, как работает Земля. Они применяются как для автоматизации задач (категоризация частиц вулканического пепла, определение начала землетрясения), так и для новых открытий.

Например, алгоритмы, не требующие заранее размеченных данных, позволили исследователям из Стэнфорда обнаруживать землетрясения, которые не похожи на уже известные, выискивая любые повторяющиеся сигнатуры в данных сейсмографов. Глубокие нейронные сети также помогают быстро вычислять скорость сейсмических волн и отличать естественные колебания земли от взрывов.

Кроме того, машинное обучение помогает справляться с чрезвычайно сложными вычислениями, находя приближенные решения для уравнений, которые иначе потребовали бы невероятных вычислительных мощностей, например, при моделировании влияния землетрясений на вязкие слои мантии.

Однако авторы предупреждают о проблемах. Самые мощные алгоритмы часто требуют больших размеченных наборов данных, которых для многих геонаучных задач нет. Некачественные данные могут привести к воспроизведению алгоритмами предвзятости. Бороться с этим отчасти помогает открытая наука: обмен данными и кодом, создание эталонных наборов данных для сравнения алгоритмов.

«Меня беспокоит, что люди будут наивно использовать ИИ, — говорит Бероза. — Можно представить, что кто-то обучит глубокую нейронную сеть для прогнозирования землетрясений, но не проверит метод должным образом для подтверждения его прогностической ценности».