收益：
- 能够利用人工智能相位分类器和检测器的强大功能，通过残差分析和自然-人工区分来控制输出
- 能够管理预警中的规模饱和和不确定性，并了解系统基于多层验证而不是单一模型
- 能够理解预测已经发生的地震和确定性预测未来地震之间的区别，并拒绝不科学的预测请求。
当地震发生时，数据会在几秒钟内从数千个站点流出，地球物理学家的任务就开始了：这些波从哪里来，它们有多大，哪个断层破裂了？地震学是通过记录通过地面传播的地震波来确定地震位置、规模和机制的科学。这是地球物理学的一个分支，其中人工智能 (AI) 可能是最成熟的：数百万个波形使得基于人工智能的相位提取器和地震探测器非常强大。在本单元中，我们将检验人工智能在相分离、地震检测和预警方面的真正威力；但我们将会看到为什么验证和人为控制在生命安全这一领域是不可谈判的。
基本概念
短词典。相位是记录中出现特定类型地震波（P 波 - 第一个到达的快速压缩波；S 波 - 较慢的剪切波）的到达时间。相位选取是在录音中标记 P 和 S 到达的准确时间；它是地震定位的基础。地震检测意味着从连续数据流中的噪声中分离并捕获地震信号。震级是地震释放能量的量度。震源机制定义了破裂断层的几何形状（走向、倾角、滑移）。
定位地震位置是基于通过结合许多台站的 P 和 S 到达时间对震源进行三角测量。相位时间中的小误差会转化为位置上的大误差，因此相位提取的准确性至关重要。
利用 AI 进行相位提取和检测
传统的相位提取（例如 STA/LTA — 使用短/长窗口能量比进行到达捕获）难以处理嘈杂的记录，并且会错过许多小地震。基于人工智能的分拣机（深度神经网络，经过数百万个手工标记阶段的训练）可以更准确、更快地完成这项工作；特别是，它彻底改变了微地震（非常小的、嵌入噪声的震动）的捕获。人工智能还可以不断扫描数据并自动丰富地震目录。
然而，存在两个风险。第一个是错误检测：人工智能可能会将火车经过、爆炸或噪音模式误认为是地震。第二是漏检：它可能漏掉与训练集不相似的异常事件。因此，自动编录受地震学家控制；特别是决策事件（人工/自然区别、海啸潜力）是手动确认的。
提示：通过查看地震位置解中的残差值来检查 AI 提取器返回的 P 和 S 时间。站点上有大量残留物表明该相已被错误分类；不要盲目进入定位解决方案。
预警：秒的科学
地震早期预警 (EEW) 是一种捕捉地震快速 P 波并在更具破坏性但速度较慢的 S 波和面波到达偏远地区之前几秒钟内发出警报的系统。人工智能可以从 P 波的前几秒开始加速大小和位置估计。但这里的风险最高：误报可能导致恐慌和经济损失，错过/延迟警告可能会导致生命损失。因此，EEW 系统是通过多种方法进行多层、交叉检查和持续验证的工程系统；它不委托给单个人工智能模型。
注意：第一秒的震级估计本质上是不确定的；大地震最初可能看起来很小（震级饱和）。不要将人工智能的第一次猜测视为确定的；系统应设计为随着波形的变化更新预测，并且应清楚地传达不确定性。
估计和预测之间的差异：道德限制
这里有一个关键的区别。人工智能可以预测（根据测量推断）已发生地震的位置/震级。但从科学角度来说，预测未来地震何时发生（确定性地震预测）是不可能的；这是地震学一致同意的极限。利用人工智能声称“这一天将发生地震”是具有误导性和不道德的。合法的是概率灾害评估（长期、统计地震灾害）——而不是精确的白天预测。
三个迷你箱子
案例 1 — 目录丰富十倍。当在区域网络中部署人工智能相位提取器时，从相同的连续数据中检测到的地震数量增加了大约 10 倍；数以千计的微地震变得可见，断层几何形状也变得清晰。地震学家通过随机样本和残差分析对目录进行了审核，消除了误报。
案例 2——将爆炸误认为地震。自动系统将矿井中的定期爆炸归类为小地震。地震学家意识到事件总是在同一时间、同一地点发生，而且波形具有爆炸性，并整理出来：自然与人工的区别需要人类控制。
案例 3——预警中的不确定性管理。在EEW测试中，AI在前3秒预测发生M6.0级大地震；该事件实际上是M7.1。随着波浪的发展，系统更新了预测，并且由于震级饱和度已知，因此警报的发送具有一定的不确定性。教训：不拘泥于最初猜测的更新设计可以拯救生命。
四个可复制模板
1）相分离控制：
您的角色：地震学家。我想控制 YZ 相位排序器给出的 P/S 时间。如何解释位置解中的残差值，高于什么阈值我要审查站点，如何提取错误提取的相位？给出一个可行的控制流程。
2）误检过滤器：
我的自动地震目录中怀疑存在人工来源（爆炸、文化噪音）。我应该考虑什么标准（重复位置/时间、波形特征、频率内容）来将这些地震与自然地震区分开来？创建一个清单。
3) 尺寸不确定性沟通：
在预警的背景下，我从第一秒就估计了震级。如何考虑震级饱和度和不确定性，如何随着波浪的发展更新估计，如何表达具有不确定性的警告？简单说一下吧。
4）预测极限提醒：
您的角色：地震学伦理顾问。一位经理让我用人工智能预测“下一次地震的日期”。写下为什么确定性地震预测不科学，我可以提供哪些合法的概率危险产品，以及我如何诚实地解释其局限性。
弱提示/强提示
弱提示：
利用人工智能预测该地区下一次地震何时发生。
科学上不可能且不道德的要求；如果人工智能产生虚假的确定性，就会造成伤害。
强力提示：
您的角色：地震学家。背景：区域网络、连续数据。任务：（1）编写利用AI相提取进行目录富集的步骤； （2）描述如何控制误检测（爆炸/噪声）和漏检的风险； (3) 告诉我如何用概率危险语言报告结果。生成确定性的白天预报；指出这是不科学的。
该框架将合法的猜测与不科学的猜测区分开来，并要求验证，让该领域承担责任。
任务和人工智能角色
任务
人工智能力量
主要风险
人为控制
相萃取
非常高
错误到达
残差分析
地震检测
非常高
错误/错过
目录审核
尺寸估算
高
饱和度
不确定性边际
预警
高
误报
多层系统
未来预测
无（非科学）
误导
拒绝
常见错误
- 使用自动目录而不检查它。错误检测和爆炸可能会泄漏。
- 将阶段时间放到适当的位置，不再需要任何控制。轻微的提取错误会破坏该位置。
- 考虑到第一个尺寸估计是准确的。尺寸已饱和。
- 将 EEW 委托给单一模型。生命安全需要多层次验证。
- 产生确定性地震预测。这是不科学的；前往可能的危险。
综上所述
地震学是人工智能最强大的地球物理学领域之一：它在相位提取和微地震检测方面将目录增加了十倍，从而在预警中节省了几秒钟的时间。但这是一个与生命安全交织在一起的领域；误检测、爆炸干扰、震级饱和和误报是真正的风险。人工智能会打瞌睡；地震学家通过分析、自然-人工区分和多层系统来控制残留物。还有一个不可改变的限制：预测未来地震发生的日期是不科学的——合法的是概率危险评估。
应用任务
考虑连续地震数据场景。使用“相提取控制”模板，通过残差分析从控制流中提取 AI 提取器输出。然后使用“错误检测过滤器”模板创建一个清单，以区分爆炸/噪音和自然地震。最后，用你自己的话写下当被要求与某人“预测下一次地震”时，你将如何诚实地设定界限。
清单
- [ ] 我通过残留分析检查了 AI 阶段时间。
- [ ] 我清除了误检测/爆炸的自动目录。
- [ ] 我表达了具有不确定性的大小估计。
- [ ] 我的预警基于多层验证，而不是单一模型。
- [ ] 我拒绝了确定性地震预测的请求，并将其提交给概率危险。