Ճապոնացի սեյսմոլոգները նեյրոնային ցանց են վարժեցրել առաջացած սեյսմիկ ակտիվության մեծ կատալոգի վրա՝ պարզելու, թե ինչպես է արհեստական ​​ինտելեկտը վերլուծում այս տվյալները, գրում է Naked-Science-ը։ Երկրաշարժի լաբորատոր կանխատեսումները ճշգրիտ են եղել հիմնական ցնցումից ժամեր առաջ:

Նրանք վերցրել են 18 հազար երկրաշարժերի կատալոգ, որոնք ստեղծվել են 900 տարվա ընթացքում սեյսմիկ ակտիվության մոդելավորմամբ: Ճապոնիայից ժամանած այլ սեյսմոլոգներ նախկինում աշխատել են այս կատալոգի հետ և պարզել են, որ հիմնական ցնցումներից անմիջապես առաջ խոշոր նախահարձակումները ցույց են տալիս հաճախականության բնորոշ աճ: Geophysical Research Letters ամսագրում հրապարակված նոր ուսումնասիրության մեջ հետազոտողները որոշել են տեսնել, թե ինչպես է նեյրոնային ցանցը գնահատում հիմնական ցնցումների ժամանակը՝ հիմնվելով նախկինում նմանակված երկրաշարժերի վրա:

Գիտական ​​աշխատության հեղինակները բոլոր երկրաշարժերը, բացառությամբ հիմնականների, դասակարգել են որպես նախահարձակումներ՝ դա բացատրելով նրանով, որ ցուցակում քիչ են հետցնցումները (կրկնվող ցնցումները)։ Բայց նեյրոնային ցանցը չտեսավ այս դասակարգումը և վերլուծեց տվյալները՝ օգտագործելով պատահական անտառի կանխատեսման դասական և արդյունավետ մեթոդը: Հետազոտողները այնուհետև ուսումնասիրեցին, թե ինչպես է ուսուցման տվյալների չափը (միջակայքը և ցնցումների քանակը) ազդել կանխատեսումների ճշգրտության վրա և ստեղծեցին «տեխնածին երկրաշարժերի» կատալոգ, որը տեւում է երկու հազար տարի առաջ:

Պարզվել է, որ մի քանի երկրաշարժերի վրա հիմնված նեյրոնային ցանցը կարող է հաշվարկել մոտեցող հիմնական ցնցման նշանները այն պայմաններում, երբ հիմնական ցնցումից մեկ ժամից էլ քիչ է մնացել։ Բայց այս մոտեցումը չափազանց զգայուն է հիմնական ցնցումների նման վարքագծի նկատմամբ, որտեղ շատ ցնցումներ տեղի են ունենում կարճ ժամանակահատվածում: Այլ կերպ ասած, ճշգրտությունը կորչում է, քանի որ ժամանակի սանդղակը մեծանում է:

Ի հակադրություն, տվյալների մեծ ցանց ունեցող AI-ն դժվարանում է ճանաչել մոտալուտ մեծ ցնցման նշանները, բայց արտացոլում է ընդհանուր միտումը: Ցանցերի միջին մակարդակով մոդելն ամենաարդյունավետն է եղել, այսինքն՝ հաշվի է առել ինչպես երկարաժամկետ գործընթացները, այնպես էլ կարճ հաջորդականությունները։ Այս կանխատեսման ճշգրտությունը եղել է 0,89, որտեղ առավելագույն արժեքը եղել է 1,00։

Պատճառները, թե ինչու է արհեստական ​​ինտելեկտի մոդելը կարողանում է կանխատեսել լաբորատոր երկրաշարժերը, ինչպես առաջարկում են սեյսմոլոգները, այն է, որ նեյրոնային ցանցը վերլուծում է սեյսմիկ իմպուլսի էվոլյուցիան և ցնցումների կրկնվող միջակայքը: Ուսուցման տվյալների չափը մեծացնելով՝ հետազոտողները ստացան ակնկալվող արդյունքը։ Որքան փոքր է տվյալների հավաքածուն, այնքան ցածր է ճշգրտությունը, բայց հետաքրքիր է, որ որակը շատ չի բարձրացել 115 հիմնական ցնցումների ցիկլերը (մեծ կատալոգ) վերլուծելիս՝ համեմատած 41 ցիկլերի (փոքր կատալոգ): Հեղինակները համարում էին, որ նեյրոնային ցանցը հասել է իր սահմանագծին։