摘要：地球物理学家扎卡里·罗斯(Zachary Ross)正在开创一种新的研究方式，理解我们脚下的世界。| 摄影： ISMAIL FERDOUS，国家地理图片集

地球是一个奇迹

环境｜美国

地球物理学家扎卡里·罗斯(Zachary Ross)正在开创一种新的研究方式，理解我们脚下的世界。| 摄影： ISMAIL FERDOUS，国家地理图片集

在美国加利福尼亚州的地下，有一个错综复杂的断层网络——大块大块的岩石相互滑动，或从旁经过、上下错动，又或是相互嵌入。它们移动的速度就和指甲生长的速度一样缓慢，直至最终猛烈地撞击，让大地为之震颤。

破坏性的地震必然会撼动整个加利福尼亚州，但没有办法阻止它们。但了解地震可能发生的位置以及它们可能释放的能量，意味着人们可以提前做好准备。

换句话说，减轻这些灾害影响的最佳方法就是绘制地下世界的地图，标记出每一条断层并监测其活动情况。

为了绘制这些地图，研究人员会在地表部署地震仪——这些小巧的仪器能够感知并记录各种各样的震动，包括地震产生的震动。

地震波有点像音乐，识别出它们的音符以及节奏，科学家们就能弄清地下哪些“乐器”(即地质构造)产生了这些地震波，它们位于何处，以及断裂时是如何活动的。

大多数断层都隐藏在地下，难以被发现。| 摄影：SPENCER LOWELL，国家地理图片集

从历史角度来看，这项工作很艰巨，通常进展缓慢，有时还不够精确。加州理工学院的助理地球物理学教授扎卡里·罗斯(Zachary Ross)在21世纪初涉足这一领域时，就开始寻求新的突破方法。

他说，坦率地讲，传统的地震科学方法“糟透了”。即便是当时最好的计算机程序也会遗漏某些地震情况，肯定有更好的办法。

“我们有海量的数据可用，”罗斯说道。他解释说，由于加利福尼亚州地质活动非常活跃，到处都布满了地震仪，所以数据多得仅凭人类专家根本无法合理处理。

此外，大多数断层滑动会引发微小到难以察觉的地震，它们产生的地震波极其微弱，即便技艺最为精湛的地震学家在地震数据中也很难发现它们，尤其是当这些地震波与人为来源产生的噪音相似时，就更难分辨了。

2017年，罗斯突然有了灵感。他看到机器学习程序能够处理大量照片——对照片中的元素进行识别和分类，而且其准确性和速度是人类无法企及的。于是，他就想，为什么不在地震学领域采用类似的方法呢？

罗斯的首个目标就是那些微小地震。它们或许无害，但这并不意味着它们不重要——它们产生的地震波能够照亮所经过的每一条断层，包括那些更不稳定、承受巨大应力且有朝一日可能突然断裂并引发灾难的断层。

罗斯及其同事获取了南加州各地经人类科学家确认为真实的地震波数据，然后为它们制作了模板，也就是为每一次地震“快照”。最后，他将一种算法应用于地震记录，通过该算法来搜寻与那些“快照”相匹配的地震。

该算法迅速识别出了2008年至2017年间近200万次此前未被发现的微小地震，而这些地震反过来又揭示出了一个复杂的断层及断层特征网络，此前的地震探测都没能发现它们。

罗斯表示，2019年发表的这些研究结果“好到让人甚至怀疑其真实的”。同样在研究中使用机器学习的华盛顿大学地球物理学家玛丽娜·德诺勒(Marine Denolle)也表示认同，“这篇论文太厉害了，这项工作成果堪称非凡”。

然而，该方法也有一个缺点。这个程序可以说是人工智能软件的前身，它只能查找已有的地震，全新的地震事件会被忽略掉。

于是罗斯转而采用更先进的工具：能够自主学习的程序，这类软件可以利用已有的信息对未来进行预测——就地震研究而言，就是预测更多种类的地震波。

很快，这些程序发现了各种各样听起来陌生的地震——后来都得到了科学家的验证。罗斯说：“你会发现有太多此前完全被遗漏的情况了。”

这些机器学习程序仍在不断发展，而且已经不局限于识别微小地震和隐藏断层了。它们已经在加利福尼亚州各地投入使用，在那里发现了一类新的持续时间长、缓慢迁移的地震群。

在夏威夷，它们发现了在两座活火山下方此前从未被发现的、有脉冲且不断迁移的熔岩网络，传统的地震分析方法是无法识别出这些情况的。

罗斯说：“这与我们几年前的工作相比，简直是跨越了好几个光年，达到了超乎常人的水平。”

如今，地震学界的许多人对罗斯的工作持谨慎乐观的态度。地震灾害与地震科学家温迪·博洪(Wendy Bohon)说：“我认为它真的能推动地震学领域向前发展。”人工智能成倍地增强并加快了科学家个人的能力，它能够同时处理大量地震记录，比任何人都能更快速、更精准地绘制出三维地震图像。

有人担心，没有学习过机器学习的地球科学家得花些功夫去追赶了。博洪问道：“我们如何才能让地震学界更广泛的理解并知晓这些程序背后的原理，以便我们能恰当地评估它们的成果呢？”

随着这些学习程序的精度越来越高，它们或许能让地球浅层地下的大部分情况变得清晰可见。最终，它们或许还能用于提高地震预警系统的速度和准确性。

例如，在地震多发的东京，人工智能软件会扫描安装在城市各处的摄像头，识别火灾和建筑物倒塌情况，并在事件发生的瞬间向有关部门发出警报。

但尽管它们前景广阔，人工智能并不会取代科学家。罗斯说：“它们只是工具而已”，而且他猜测，假以时日，它们会变得和地震仪一样平常。

2025年《国家地理》杂志日历已经上线，汇聚1888年以来本刊地球奇迹摄影作品精华，全球家庭科普必备，请给孩子买一本～

撰文：Robin George Andrews

编译：Arvin

校对：钱思琦

版式设计：钱思琦

伸出小手

来源：国家地理中文网一点号