Zyski:
- Możliwość wykorzystania mocy sortowników i detektorów fazy sztucznej inteligencji do kontrolowania wyników za pomocą analizy resztkowej i rozróżnienia naturalnego od sztucznego
- Umiejętność zarządzania nasyceniem rozmiarów i niepewnością we wczesnym ostrzeganiu oraz zrozumienie, że system opiera się na weryfikacji wielowarstwowej, a nie na pojedynczym modelu
- Umiejętność zrozumienia różnicy między przewidywaniem trzęsienia ziemi, które już nastąpiło, a przewidywaniem przyszłego trzęsienia ziemi w sposób deterministyczny i odrzucaniem nienaukowych wniosków o przewidywanie.
Kiedy następuje trzęsienie ziemi, w ciągu kilku sekund dane napływają z tysięcy stacji i rozpoczyna się zadanie geofizyka: skąd wzięły się te fale, jak duże były, który uskok pękł? Sejsmologia trzęsień ziemi to nauka zajmująca się określaniem lokalizacji, rozmiaru i mechanizmu trzęsień ziemi poprzez rejestrację fal sejsmicznych rozchodzących się w ziemi. Jest to dziedzina geofizyki, w której sztuczna inteligencja (AI) jest prawdopodobnie najbardziej dojrzała: miliony przebiegów sprawiły, że ekstraktory faz i detektory trzęsień ziemi oparte na sztucznej inteligencji stały się bardzo wydajne. W tej części zbadamy prawdziwą moc sztucznej inteligencji w separacji faz, wykrywaniu trzęsień ziemi i wczesnym ostrzeganiu; Ale zobaczymy, dlaczego weryfikacja i kontrola człowieka nie podlegają negocjacjom w tym obszarze bezpieczeństwa życia.
Podstawowe pojęcia
Krótki słownik. Faza to nadejście, po którym w nagraniu pojawia się określony rodzaj fali sejsmicznej (fala P — pierwsza przybywająca, szybka fala ściskająca; fala S — wolniejsza fala poprzeczna). Wybór fazy polega na zaznaczeniu dokładnego czasu przybycia P i S w nagraniu; Jest to podstawa do zlokalizowania trzęsienia ziemi. Wykrywanie trzęsień ziemi oznacza oddzielanie i przechwytywanie sygnału trzęsienia ziemi od szumu w ciągłym strumieniu danych. Wielkość jest miarą energii uwolnionej podczas trzęsienia ziemi. Mechanizm ogniskowy określa geometrię (uderzenie, zanurzenie, poślizg) pękniętego uskoku.
Lokalizowanie miejsca trzęsienia ziemi opiera się na triangulacji źródła poprzez połączenie czasów przybycia P i S na wielu stacjach. Małe błędy czasów faz przekładają się na duże błędy pozycji — dlatego dokładność wyodrębnienia fazy ma kluczowe znaczenie.
Ekstrakcja i wykrywanie fazy za pomocą sztucznej inteligencji
Konwencjonalna ekstrakcja fazowa (np. STA/LTA — przechwytywanie przybycia ze stosunkiem energii krótkiego/długiego okna) radzi sobie z zaszumionymi zapisami i pomija wiele małych trzęsień ziemi. Sortowniki oparte na sztucznej inteligencji (głębokie sieci neuronowe, szkolone na podstawie milionów ręcznie oznakowanych faz) wykonują to zadanie zarówno dokładniej, jak i znacznie szybciej; W szczególności zrewolucjonizował wychwytywanie mikrotrzęsień ziemi (bardzo małych wstrząsów spowodowanych hałasem). Sztuczna inteligencja może również stale skanować dane i automatycznie wzbogacać katalog trzęsień ziemi.
Istnieją jednak dwa zagrożenia. Pierwszym z nich jest fałszywe wykrywanie: sztuczna inteligencja może pomylić przejeżdżający pociąg, eksplozję lub wzór hałasu z trzęsieniem ziemi. Drugie dotyczy pominiętego wykrycia: może przeoczyć niezwykłe zdarzenie, które nie jest podobne do zbioru uczącego. Dlatego katalog automatyczny podlega kontroli sejsmologicznej; Zwłaszcza zdarzenia decyzyjne (rozróżnienie sztuczne/naturalne, potencjał tsunami) są potwierdzane ręcznie.
Wskazówka: Sprawdź czasy P i S zwrócone przez ekstraktor AI, sprawdzając wartości rezydualne w rozwiązaniu lokalizacji trzęsienia ziemi. Duża pozostałość na stacji wskazuje, że faza została nieprawidłowo posortowana; Nie wchodź na ślepo w rozwiązanie lokalizacyjne.
Wczesne ostrzeganie: nauka sekund
Wczesne ostrzeganie o trzęsieniach ziemi (EEW) to system, który wychwytuje szybką falę P trzęsienia ziemi i emituje ostrzeżenie w ciągu kilku sekund, zanim bardziej niszczycielska, ale wolniejsza fala S i fale powierzchniowe dotrą do odległych obszarów. Sztuczna inteligencja może przyspieszyć szacowanie rozmiaru i lokalizacji już od pierwszych kilku sekund fali P. Jednak w tym przypadku ryzyko jest największe: fałszywy alarm może spowodować panikę i straty ekonomiczne, a nieodebrane/opóźnione ostrzeżenie może kosztować życie. Systemy EEW są zatem wielowarstwowymi, sprawdzanymi krzyżowo i stale weryfikowanymi systemami inżynieryjnymi wieloma metodami; Nie jest to powierzone jednemu modelowi AI.
Uwaga: oszacowanie wielkości na podstawie pierwszych sekund jest z natury niepewne; duże trzęsienie ziemi może początkowo wydawać się małe (nasycenie wielkości). Nie traktuj pierwszego przypuszczenia AI jako ostatecznego; System powinien być zaprojektowany tak, aby aktualizować przewidywania w miarę ewolucji kształtu fali, a niepewność powinna być wyraźnie przekazywana.
Różnica między oszacowaniem a przewidywaniem: granica etyczna
Zachodzi tu zasadnicze rozróżnienie. Sztuczna inteligencja może przewidzieć (wywnioskować z pomiaru) lokalizację/wielkość trzęsienia ziemi, które miało miejsce. Jednak z naukowego punktu widzenia nie można przewidzieć, kiedy nastąpi przyszłe trzęsienie ziemi (deterministyczne przewidywanie trzęsienia ziemi); Jest to granica, co do której zgadza się sejsmologia. Twierdzenie, że „w tym dniu nastąpi trzęsienie ziemi” przy użyciu sztucznej inteligencji jest mylące i nieetyczne. Uzasadniona jest probabilistyczna ocena zagrożenia (długoterminowe, statystyczne zagrożenie trzęsieniem ziemi), a nie dokładne przewidywanie w ciągu dnia.
trzy mini etui
Przypadek 1 — Katalog dziesięć razy bogatszy. Kiedy w sieci regionalnej wdrożono ekstraktor faz AI, liczba trzęsień ziemi wykrytych na podstawie tych samych ciągłych danych wzrosła około 10-krotnie; Widoczne stały się tysiące mikrotrzęsień ziemi, a geometria uskoku stała się jasna. Sejsmolodzy sprawdzili katalog na podstawie losowych próbek i analizy pozostałości, usuwając fałszywe alarmy.
Przypadek 2 – Mylenie eksplozji z trzęsieniem ziemi. Automatyczny system katalogował regularne eksplozje w kopalni jako drobne trzęsienia ziemi. Sejsmolog zdał sobie sprawę, że zdarzenia zawsze miały miejsce w tym samym czasie i miejscu oraz że kształt fali miał charakter wybuchowy, i uporządkował tę sytuację: rozróżnienie między naturą a sztucznością wymagało ludzkiej kontroli.
Przypadek 3 – Zarządzanie niepewnością we wczesnym ostrzeganiu. W teście EEW sztuczna inteligencja przewidziała duże trzęsienie ziemi M6.0 w ciągu pierwszych 3 sekund; W rzeczywistości incydent dotyczył M7.1. System aktualizował prognozę w miarę rozwoju fali, a ostrzeżenie zostało wydane z marginesem niepewności, ponieważ znane było nasycenie wielkością. Lekcja: zaktualizowany projekt, który nie opiera się na pierwszym przypuszczeniu, ratuje życie.
Cztery szablony do kopiowania
1) Kontrola separacji faz:
Twoja rola: sejsmolog. Chcę kontrolować czasy P/S podawane przez sortownik faz YZ. Jak zinterpretować wartości resztkowe w rozwiązaniu pozycji, powyżej jakiego progu przeglądam stację, jak wydobyć błędnie wydobytą fazę? Zapewnij wykonalny przepływ kontroli.
2) Filtr wykrywania fałszywych informacji:
W moim automatycznym katalogu trzęsień ziemi istnieje podejrzenie występowania sztucznych źródeł (wybuchy, hałas kulturowy). Na jakie kryteria (powtarzające się miejsce/czas, charakter fali, zawartość częstotliwości) powinienem zwrócić uwagę, aby odróżnić je od naturalnych trzęsień ziemi? Utwórz listę kontrolną.
3) Komunikat dotyczący niepewności wielkości:
W kontekście wczesnego ostrzegania oceniałem wielkość już od pierwszych sekund. Jak uwzględnić nasycenie wielkości i niepewność, jak zaktualizować szacunki w miarę rozwoju fali, jak wyrazić ostrzeżenie z marginesem niepewności? Powiedz to prosto.
4) Przypomnienie o limicie przewidywań:
Twoja rola: doradca ds. etyki sejsmologii. Menedżer prosi mnie o przewidzenie „daty następnego trzęsienia ziemi” za pomocą sztucznej inteligencji. Napisz, dlaczego deterministyczne przewidywanie trzęsień ziemi nie jest naukowe, jakie uzasadnione produkty probabilistycznego zagrożenia mogę zamiast tego zaoferować i jak mogę uczciwie wyjaśnić granice.
Słaba zachęta/silna zachęta
Słaba zachęta:
Przewiduj za pomocą sztucznej inteligencji, kiedy w tym regionie nastąpi następne trzęsienie ziemi.
Żądanie niemożliwe z naukowego punktu widzenia i nieetyczne; Jeśli sztuczna inteligencja stworzy sfabrykowaną pewność, wyrządzi krzywdę.
Potężny monit:
Twoja rola: sejsmolog. Kontekst: sieć regionalna, dane ciągłe. Zadanie:(1) Napisz etapy wzbogacania katalogu o ekstrakcję fazową AI; (2) opisać, jak kontrolować ryzyko fałszywego wykrycia (detonacji/hałasu) i chybienia; (3) Pokaż mi, jak zgłosić wyniki w języku PRAWDOPODOBNEGO niebezpieczeństwa. GENEROWANIE deterministycznej prognozy dziennej; Zwróć uwagę, że jest to nienaukowe.
Ramy oddzielające uzasadnione od nienaukowych domysłów i wymagające weryfikacji czynią dziedzinę odpowiedzialną.
Zadania i rola AI
Zadanie
Moc sztucznej inteligencji
Główne ryzyko
kontrola ludzka
Ekstrakcja fazowa
bardzo wysoki
błędne przybycie
Analiza pozostałości
wykrywanie trzęsień ziemi
bardzo wysoki
Błąd/chyba
Audyt katalogu
Szacowanie rozmiaru
wysoki
nasycenie
margines niepewności
wczesne ostrzeżenie
wysoki
fałszywy alarm
Układ wielowarstwowy
przewidywanie przyszłości
Brak (nienaukowe)
wprowadzać w błąd
odrzucić
Typowe błędy
- Korzystanie z automatycznego katalogu bez sprawdzania go. Może dojść do fałszywego wykrycia i detonacji.
- Ustawianie czasów fazowych bez jakiejkolwiek kontroli. Drobny błąd ekstrakcji psuje lokalizację.
- Biorąc pod uwagę, że pierwszy szacunkowy rozmiar jest dokładny. Następuje nasycenie wielkości.
- Powierzenie EEW jednemu modelowi. Bezpieczeństwo życia wymaga wielopoziomowej weryfikacji.
- Tworzenie deterministycznych prognoz trzęsień ziemi. Jest to nienaukowe; Kieruj się w stronę możliwego niebezpieczeństwa.
Podsumowując
Sejsmologia trzęsień ziemi to jedna z dziedzin geofizyki, w której sztuczna inteligencja jest najsilniejsza: zwiększa dziesięciokrotnie liczbę katalogów w zakresie ekstrakcji fazowej i wykrywania mikrotrzęsień ziemi, oszczędzając sekundy na wczesnym ostrzeganiu. Ale jest to obszar nierozerwalnie związany z bezpieczeństwem życia; Prawdziwe ryzyko stanowią fałszywe wykrywanie, zakłócenia spowodowane wybuchem, nasycenie wielkością i fałszywy alarm. AI robi sobie drzemki; Sejsmolog kontroluje pozostałości za pomocą analizy, rozróżnienia naturalnego od sztucznego i systemu wielowarstwowego. I niezmienna granica: przewidywanie dnia przyszłego trzęsienia ziemi jest nienaukowe – uzasadnione jest probabilistyczna ocena zagrożenia.
Zadanie aplikacji
Rozważmy scenariusz ciągłych danych sejsmicznych. Wyodrębnij wyjście ekstraktora AI z przepływu kontrolnego za pomocą analizy pozostałości za pomocą szablonu „Kontrola ekstrakcji fazowej”. Następnie utwórz listę kontrolną, aby odróżnić podmuch/hałas od naturalnego trzęsienia ziemi, korzystając z szablonu „Filtr fałszywego wykrywania”. Na koniec napisz własnymi słowami, jak uczciwie wyznaczyłbyś granice, gdy zostaniesz poproszony o „przepowiedzenie następnego trzęsienia ziemi” z kimś.
lista kontrolna
- [ ] Sprawdziłem czasy faz AI za pomocą analizy pozostałości.
- [ ] Wyczyściłem automatyczny katalog pod kątem fałszywego wykrycia/eksplozji.
- [ ] Szacunkową wielkość wyraziłem z marginesem niepewności.
- [ ] Wczesne ostrzeganie oparłem na walidacji wielowarstwowej, a nie na pojedynczym modelu.
- [ ] Odrzuciłem prośbę o deterministyczne przewidywanie trzęsień ziemi i odniosłem ją do probabilistycznego zagrożenia.