今年是2018年，人工智慧的發展又會更上一層樓。

以目前的情況來看，想要人工智慧做某事，有4個需求：

任務的明確目標

牛逼的演算法

簡潔的待處理資料

可以用於訓練人工智慧的真實資料、精確模型

即使是在科技發展日新月異的今天，我們對於地震依然處於探索階段，距離第4個需求中的精確模型，現在還缺的遠呢。

雖然往年積攢了一些地震資訊，但這只是滄海一粟，人工智慧根本不能靠這些資訊辦事情。

雖然至少在近期，我們不能依靠人工智慧預測地震，但是依靠人工智慧的檢測獲取輔助資訊還是可行的。

2018年02月07日23時21分在臺灣花蓮縣附近海域(北緯24.07度，東經121.79度)發生6.1級地震，震源深度12千米。

2018年02月12日18時31分在河北廊坊市永清縣（北緯39.37度，東經116.67度）發生4.3級地震，震源深度20千米。

2018年02月22日07時10分在臺灣花蓮縣附近海域（北緯23.50度，東經121.66度）發生4.9級地震，震源深度26千米。

近期在中國已經發生了多次地震，其中在臺灣花蓮縣附近海域發生6.1級地震，震源深度12千米，已造成了人員傷亡。既然現階段人工智慧發展這麼迅速，是否能透過人工智慧來預測地震呢？

不少科學家和團隊已經加入這一工作中來，讓人工智慧幫助人類在自然災害中減少人身傷害和經濟損失。

Perol和他來自哈佛大學工程與地球科學專業的同學提議用 AI 來加強地震探測器的靈敏度。相較於過去的方法，新方法能夠在單位時間內多測出17次地震。

這個方法所用的軟體類似與智慧助手Alexa 和 Siri 所用的類似。是識別出藏在噪音裡的訊號。對於 Alexa 來說，是從龐雜的背景音中識別你的命令，對於地震監測，就是從常規的地質運動中識別地震。

為了實現這項技術，Perol 和同事們一起訓練神經網路識別背景噪音，給他灌輸過去的地震資料，這個軟體能檢驗結果並找出相同的部分。當它知道背景噪音的特徵以後，他就能夠移除這些資料，只留下過去沒有發現的小型地震的資料。除此以外，神經網路甚至能透過比對歷史資料的方式識別每一次地震的大致方位。

“透過這種方式，我們能夠偵測出零級或負一級地震，至於三級以上的，你肉眼就能感知到。”Perol 說。

William Yeck 是美國地質調查局的地震專家，對這一技術大加讚賞，他在郵件中說到，神經網路將是本地地震監測的得力助手，尤其是那些地震高發區。不過這只是完成了工作的一部分，“地震評級和定位發生位置也很必要”，Yeck 說到。“對於很小很小的地震，偵測仍然具有挑戰。”

Perol 說，這項技術將幫助地質專家更準確查明地震發生的原因，未來甚至可以透過資料比對預測地震。

透過人工智慧預測地震比監測地震更激動人心。不過，準確預測地震這項工作相當繁雜，未來還有很長的路要走。