在地震学领域，人工智能技术正带来前所未有的变革。想象一下，在2008年1月1日凌晨1点59分，加利福尼亚州Calipatria发生了一场地震。这场地震的震级为-0.53，相当于一辆卡车经过时的震动强度，几乎无人能感知。然而，正是这种微小地震的检测能力，展示了AI在地震学中的革命性作用。
过去七年，基于计算机成像的AI工具几乎完全自动化了地震学的基础任务：地震检测。曾经需要人类分析师或简单计算机程序完成的工作，现在可以由机器学习工具自动快速完成。这些工具能够检测到比人类分析师更小的地震，特别是在城市等嘈杂环境中，为科学家提供了宝贵的地球内部结构和未来灾害信息。
"在最佳情况下，当你采用这些新技术时，即使是处理旧数据，也像是第一次戴上眼镜，突然能看到树叶的细节，"地震洞察通讯的合著者Kyle Bradley如此描述这一变化。
地震学家的工作本质上是解读地球的震动信号。当地震发生时，震动通过地面传播，类似于声波通过空气传播。通过分析这些波动的特性，科学家可以推断出地球内部的结构和成分。
传统上，科学家使用地震仪来记录地球在三个方向上的运动：上下、南北和东西。当地震发生时，地震仪能够测量特定位置的震动情况。然后，科学家需要处理原始的地震仪数据来识别地震事件。
地震会产生多种类型的震动，这些震动以不同速度传播。其中，初级波(P波)和次级波(S波)尤为重要，科学家需要准确识别这些波相的起始时间。
在机器学习出现之前，地震目录的编制主要依靠人工完成。美国地质调查局的实验室曾有一支由本科生或实习生组成的团队，专门查看地震图。然而，人工处理的效率有限，无法应对大量数据，因此开发有效的算法来寻找和处理地震一直是该领域的优先事项。
传统算法面临的主要挑战是难以在嘈杂环境中检测到小地震。城市中的交通噪音和建筑物振动常常会淹没微小的地震信号。然而，地震具有特征性的"形状"，这使得科学家能够开发出基于模板匹配的方法。
模板匹配在拥有足够人工标记数据的情况下效果很好。2019年，加州理工学院的Zach Ross实验室使用模板匹配技术，发现了南加州地区比之前已知数量多10倍的地震，包括本文开头提到的那场微小地震。他们新发现的160万场地震几乎都是1级以下的微小地震。
然而，模板匹配需要大量的预先标记数据，这在数据缺乏的地区难以应用。此外，模板匹配的计算成本极高，创建南加州地震数据集需要200个Nvidia P100 GPU连续运行数天。
AI检测模型解决了所有这些问题：它们比模板匹配更快；模型体积小（约35万个参数，相比GPT4.0的数十亿参数）；能够在普通CPU上运行；并且能很好地泛化到原始数据集中未代表的地区。
AI模型还能提供更准确的地震波到达时间信息。P波和S波的到达时间被称为"相位拾取"，它允许科学家推断地震的结构。AI模型可以同时进行地震检测和相位拾取。
地震检测和相位拾取的基本任务如下：给定三个方向的振动数据，我们需要确定是否发生地震，以及何时开始。AI模型需要输出三个信息：地震发生的概率、P波到达的概率和S波到达的概率。
为了训练AI模型，科学家使用大量标记数据进行监督学习。其中最广泛使用的模型之一是"地震转换器"（Earthquake Transformer），它由斯坦福大学团队于2020年开发。
地震转换器借鉴了图像分类的思想，使用一维卷积来处理时间序列数据。第一层分析0.1秒的振动数据，后续层识别逐渐增长的时间周期中的模式。虽然难以确定模型识别的确切模式，但可以将其类比为音频转录模型：先识别辅音，然后是音节，然后是单词，最后是句子。
地震转换器将原始波形数据转换为高级表示，指示地震和其他地震学重要事件的可能性，然后通过一系列反卷积层精确定位地震及其重要的P波和S波发生时间。
这些AI模型之所以有效，关键在于数据。大规模公开的地震数据集在地震学中扮演了类似ImageNet在计算机视觉中的角色。地震转换器使用斯坦福地震数据集（STEAD）进行训练，该数据集包含来自世界各地的120万个人工标记的地震图数据段。
其他成功的检测模型，如PhaseNet，更加简单，仅使用一维卷积来拾取地震波的到达时间。这些通用架构之所以有效，是因为有大量数据支持。当前模型在识别和分类地震方面"喜剧性地好"，通常能找到比之前多10倍以上的地震。
AI工具在地震学中的应用已经几乎完全取代了传统的小地震检测方法。这些工具为科学家提供了前所未有的数据丰富度，解锁了许多新技术。
其中最酷的应用之一是理解和成像火山。火山活动产生大量小地震，这些地震的位置帮助科学家理解岩浆系统的结构。2022年，John Wilding及其合作者使用大型AI生成的地震目录，创造了夏威夷火山系统结构的惊人图像。他们提供了深部Pāhala岩席复合体与Mauna Loa浅层火山结构之间先前假设的岩浆连接的直接证据。
另一个有前景的领域是降低处理大型数据集的成本。分布式声学传感（DAS）是一种强大的技术，使用光纤电缆测量整个电缆长度的地震活动。AI工具使得在DAS数据中精确计时地震成为可能，为下游分析提供了前所未有的准确性。
然而，并非所有AI技术都取得了成功。在许多科学领域，地震学家面临采用AI方法的压力，即使这些方法与他们的研究无关。"学校希望你在所有东西前面都加上AI这个词，"Byrnes说，"这有点失控了。"这导致了一些技术上合理但实际无用的论文，甚至反映了对地震工作机制的根本误解。
尽管如此，AI在地震检测方面的成就不容忽视。过去五年，基于AI的工作流程几乎完全改善了地震学的基础任务，为科学家提供了前所未有的数据丰富度。从微小地震的检测到地球内部结构的理解，AI技术正在改变我们对地震的认知方式，为未来的地震预测和灾害防范提供了新的可能性。
