俄克拉荷马州过去从未因地震而闻名。2009年之前，该州每年大约发生两次三级及以上地震(三级地震是指架子上的东西摇晃，但在房屋开始受损之前。）2015年，这一数字猛增至900多处，但自那以后有所缓和，去年降至304处。

这一突然增加被认为是由该州蓬勃发展的水力压裂工业处理废水造成的，这让地震学家措手不及。作为一个历史上无地震的地区，俄克拉荷马州没有足够的设备来探测和定位所有这些地震，因此很难调查其根本原因。”俄克拉荷马州没有大的断层，所以这不是我们所期望的，”研究这个问题的深度学习研究员Thibaut Perol告诉《边缘》杂志为了了解发生了什么，我们需要一个大的、大的地震目录。”

Perol和他来自哈佛大学工程和地球科学系的同事提出的解决方案是利用人工智能来放大国家地震探测器的灵敏度，或者称为地震仪。在今天发表在《科学进步》杂志上的一篇论文中，他们展示了这项技术的有效性——能够在很短的时间内探测到比旧方法多17倍的地震。

Perol解释说，这种方法类似于Alexa和Siri等数字助理使用的语音检测软件。这一切都是为了揭开隐藏在噪音中的信号。对于Alexa来说，这意味着倾听您的语音命令，同时忽略您家的背景声音。对于地震仪来说，这意味着要消除地球正常的地质起伏（即所谓的“环境地震噪声”），以发现可能非常小或很远的地震。通过这种方式，俄克拉荷马州的科学家可以从他们已有的数据中获得更多信息。

为了实现这一点，佩罗和他的同事训练了一个卷积神经网络来识别背景噪声，并将来自地震平静地区的数据输入其中，如水力压裂前的俄克拉荷马州和威斯康星州的地质死区(该州只有一次真正意义上的大地震，那是在1947年。）与所有的神经网络一样，软件检查这些输入，并学会挑选常见模式。一旦它知道周围的隆隆声是什么样的，它就可以从数据中删除这些声音，留下以前被隐藏的微小地震，就像退潮时露出的贝壳一样。作为奖励，神经网络甚至能够通过将它们创建的模式与已知地震位置的历史数据相匹配来识别单个地震的大致位置。

佩罗说：“通过这种方法，我们能够探测到零级或负一级地震，而这些信号是肉眼无法看到的。”。

美国地质调查局（USGS）的地震学家威廉·耶克（William Yeck）称赞这项工作“引人注目且新颖”。他通过电子邮件向《边缘》（the Verge）表示，神经网络最适合应用于“当地地震监测工作”——如俄克拉荷马州——“那里地震活动率很高。”但耶克提醒说，地震探测只是谜题的一部分。”“估计地震规模和准确的事件位置也是必要的，”Yeck说对于这种技术检测到的非常小的事件，这将是一个挑战。”

佩罗说，如果这种神经网络能在俄克拉荷马州得到更广泛的应用，它将帮助地震学家调查该州地震的确切原因。甚至有一些希望，它可以在地震发生之前预测地震。这可以通过在数据中寻找模式来实现；例如，寻找一些小地震快速连续发生的时间，触发一场更大、潜在破坏性更强的地震。

使用人工智能预测——不仅仅是检测——地震的想法是令人兴奋的，但这并不是整个地震学家团体都有信心的(你可以观看下面的视频了解更多信息。）至少在俄克拉荷马州，预测不如检测那么紧迫。但是在佩罗和他的同事的神经网络的帮助下，这项重要的工作可能会得到推进。

Why Earthquakes Are So Hard to Predict

Why can't we predict earthquakes?