被噪声“吞没”的百万次地震，硬是被AI“捞”出来了？！AI如何读懂大地的“颤抖”？

认真阅读下面的文章，并思考文末互动提出的问题，严格按照互动：你的答案格式在评论区留言，就有机会获得由科学出版社提供的优质科普书籍《跟着TED学科学（物理与人工智能）》。

机器学习正不断扩展科学家的地震目录，并细化地下断层分布图，该技术更有望提升地震预测能力。

今年七月，一场十多年来最强烈的地震撼动了俄罗斯偏远的堪察加半岛，全球地震学家在片刻内便获知了这一消息。无论地震规模大小，遍布全球的传感器都能探测到震动，并将信息传递给研究人员，后者迅速分析探测数据并发布警报。

如今，人工智能已经准备好让地震研究的各个环节都显著提速，并彻底刷新科学家们对地震发生机制的认识。

通过运用人工智能的一个分支——机器学习，科学家们正在从地震活跃地区的数据中识别出多达数百万次微小且此前未被察觉的地震。这些新建成的改进型数据库正帮助研究人员更深入地理解地震发生的地质断层，这将让未来地震的风险更清晰可见。部分科学家甚至运用机器学习技术，提升对强震灾区后续余震数量的预测精度。

更广泛而言，研究人员期待机器学习凭借其处理海量信息并从中挖掘规律的能力，为地震领域重大谜题（包括揭示地震在最初毁灭性瞬间的演变机制）提供新见解。

哈佛大学地震学家莫斯塔法·穆萨维（Mostafa Mousavi）也曾表示，“机器学习打开了一扇全新的窗口”。

震动大地，数据爆发

地震发生于地壳内部应力持续累积之时——例如当两块地壳板块相互摩擦挤压，正如加州圣安德烈亚斯断层所呈现的景象。当应力达到临界阈值，断层便会破裂，岩体随之断裂，释放的地震能量以波浪状向外扩散，引发地面震动。

圣安德烈亚斯断层，这里被描绘为贯穿南加州卡里佐平原的一道剧烈切割，是地震学家利用人工智能更好地理解地震模式的地质活跃区的一个例子。图片来源：约翰·威利（John Wiley）/维基共享资源

这些能量被全球各地的地震仪及其他仪器记录下来，这些仪器大量部署在加利福尼亚和日本等地质活跃区域。数据被输入到国家和国际地震监测系统，用于追踪地震并向全球发出警报。近年来，随着地震学家探索出新的地面运动监测方式，例如通过光纤网络探测地震信号，或利用智能手机内置的加速度传感器构建的基于手机地震预警网络，使得能检测到的地震数据量呈现爆发式增长。

就在十到二十年前，地震信号的分析工作大多依靠人工完成，科学家们争分夺秒地评估观测网络传回的记录数据。但如今，数据点的数量已然庞大得让人工难以应对。穆萨维也曾表示“现在处理地震数据几乎唯一可行的方式就是采用自动处理，”。他曾于2023年在《地球与行星科学年度评论》上以共同作者身份发表过一篇关于地震学中机器学习应用的文章。

该图表显示了P波和S波在地震图上的到达情况。

地震学中机器学习最常见的应用之一，是测量地震波抵达特定地点的时间，这一过程称为相位拾取。地震会产生两种地震波——P波和S波，它们以不同方式影响地面，并在地震图上呈现为不同的波形。过去，地震学家需分析来自地震传感器的数据，并在地震图上人工标定P波或S波的起始点。精确捕捉这些波的起始点对于理解地震的具体震中位置等关键信息至关重要，然而相位选取过程极其耗时。

地震能量在地震仪的测量中呈现为波浪状曲线 。首先到达的是称为P波的地面运动信号，随后是称为S波的另一类信号。在地震仪读数中确定波浪首次到达的位置，是理解地震影响的重要环节——这项工作通常由地震学家人工完成，但近年来通过引入机器学习算法，该过程已显著提速。

近年来，地震学家们开始运用机器学习算法来识别地震相位，其速度远超人类能力。虽然存在多种自动相位识别方法，但经过海量历史地震数据训练的机器学习算法，能够以前所未有的方式识别不同类型地震产生的多样化信号。穆萨维指出，该技术现已普及到研究论文标题中不再标注“机器学习”字样的程度：“这已成为默认共识。”

穆萨维表示，基于人工智能的相位选择比人工相位选择更快，且准确度至少相当。地震学家们目前正致力于将这些工具扩展到其他类型的地震分析中。

扩展地震目录

在利用机器学习扩展地震目录（即记录特定区域地震发生地点的清单）方面，已取得重大突破。地震目录包含地震学家能从记录信号中识别出的所有地震——但人工智能能发现的震动数量远超人类科学家，其数量呈指数级增长。

本质上，机器学习能够通过数据筛选识别出人类无力或无暇标记的小地震。苏黎世联邦理工学院瑞士地震局地震学家莱拉·米兹拉希（Leila Mizrahi）指出：“这些微小地震要么肉眼无法察觉，要么根本没有时间逐一查看。”通常情况下，这些震动会被数据中的背景噪声所掩盖。

在2019年《科学》杂志上发表的一项开创性研究中，研究人员运用一种能匹配地震波模式的人工智能算法，识别出2008至2017年间发生在南加州，且此前未被发现的150多万次微小地震。这些微弱震动微乎其微，即便站在震源正上方，多数人也难以察觉。但确认这些微震的存在对地震学家理解地质断层的行为模式具有重要意义。

穆萨维特别指出，微小地震作为观察大地震形成机制的窗口具有重要意义。大地震可能每隔一个世纪甚至更长时间才在特定断层发生一次——这对科学家而言观察周期过长，难以理解断裂过程。微小地震与大地震行为模式相似，但发生频率更高。因此，研究新扩展地震目录中的微小地震规律，有助于科学家更深入理解地震活动的启动机制。穆萨维指出，更详尽的目录“有望帮助我们更深入地理解并建模地震灾害风险”。

扩展的地震目录还能比以往更清晰地揭示区域下方地质断层的结构。这就像是从简略勾勒的断层分布图，升级为细节逼真如照片的绘画作品。2022年，由当时任职于斯坦福大学的地震学家朴永秀（Yongsoo Park）领导的团队运用机器学习技术，构建了2010至2019年间俄克拉荷马州和堪萨斯州的扩展地震目录。其中许多地震是由石油天然气公司向地下注入废水引发的。这项工作揭示了此前不可见的断层结构，使科学家能够更精确地绘制断层图，并更好地理解地震风险。

朴及其同事发现，80%的大型地震其实可以根据震前发生的微小地震来预测。现任职于新墨西哥州洛斯阿拉莫斯国家实验室的朴表示：“下一次大地震仍有可能发生在尚未被绘制到地图上的断层上。通过持续监测微小地震，或许能在大地震发生前揭示这些隐蔽断层的存在。

图片来源：朴永秀提供

这个戏剧性的例子展示了机器学习如何增强科学家对地震的认知。上图描绘了2016年9月发生在俄克拉荷马州波尼市附近的一场地震群。每个点代表地震仪测得的地震（黄色代表地震群早期发生的地震，红色代表后期发生的地震）。下方同样展示该地震群，但此次科学家运用机器学习技术在观测数据中精准定位了更多微小震源。增强版地震目录不仅清晰呈现了震源分布细节，更揭示了底层地质断层的分布特征。

科学家们正在全球范围内应用这种方法。例如，中国台湾研究人员最近利用机器学习技术，对2024年4月发生的一场7.3级地震编制了更详细的目录。这场地震造成岛内至少18人死亡，数百栋建筑受损。这项发表于2025年4月地震学会议的研究发现，基于人工智能的震情目录完整性约为人工分析的五倍，且仅需一天即可完成，而非耗时数月。该目录揭示了地质断层位置与走向的新细节——这些信息有助于官员更好地预测未来地震中的地面运动模式。研究团队负责人、中国台湾中央研究院地震学家黄新华（Hsin-Hua Huang）表示：“此类目录未来将成为所有地震多发地区的标准配置。”

预测仍然是个难题

迄今为止，人工智能在应对地震学另一重大挑战——预测未来地震发生概率方面尚未取得显著成效。

地震预测领域主要涉及总体概率问题——例如在Z时间段内Y区域发生X级地震的可能性。目前，地震学家通过对历史地震进行数学分析来预测地震，例如采用统计方法，该方法依赖于对“历史上地震触发后续地震”情况的观测数据。这种方法在特定任务中效果良好，例如预测大地震后某区域可能发生的余震数量。此类信息能帮助灾区民众判断能否安全返家，或预判更多余震是否即将到来，从而避免建筑物因二次震动而坍塌。

但此类分析未必能准确捕捉真实的地震风险，尤其在那些极少引发强震、因而地震记录中缺乏充分数据的断层带。地震学家正测试基于人工智能的地震预测算法，以期获得更佳效果，但迄今为止，收效仍然不温不火。在表现最佳的情况下，机器学习分析的准确度也仅与传统地震预测方法相当。“它们尚未超越传统方法，”穆萨维指出。他在2025年8月《今日物理》杂志的综述文章中总结了该领域现状。

在一项颇具前景的实验中，米兹拉希正尝试利用人工智能加速生成大地震发生后关键几分钟至几小时内的余震预测。她与同事基于传统的地震预测统计方法训练了机器学习算法，随后让该算法独立运行以检验其表现。虽然其运行速度远超传统非人工智能方法，但仍有待完善。米兹拉希表示：“我们正在评估其表现是否令人满意。”相关研究成果已于去年发表在《地震研究通讯》期刊上。

未来，研究人员希望加快此类预测分析的速度。地震学的其他领域最终也可能从中受益。早期研究表明，机器学习可应用于地震早期预警，例如精确估算附近地震发生后数秒内地面的位移幅度。但这种方法的实用性仅限于少数已建立早期预警系统的地区，如加利福尼亚州和日本。

朴还提醒人们不要过度依赖机器学习工具。他表示，科学家必须严把质量关，以确保他们能够正确解读任何人工智能分析的结果。

总体而言， 机器学习正为地震研究掀起颠覆性变革，它凭借高效处理海量数据的优势，捕获到数百万此前未被察觉的微震，细化了地质断层图谱，让震情目录更完整精准，为解析地震发生机制、研判灾害风险提供了关键支撑。在余震预测等场景中，机器学习也显著提升了分析效率。尽管目前在地震概率预测上尚未超越传统方法，但随着技术持续优化与合理运用，机器学习必将进一步深化人类对地震的认知，为全球防灾减灾工作筑牢坚实的科技屏障。

作者：Alexandra Witze

翻译：楠客

审校：7号机

fu

li

shi

jian

今天我们将送出由科学出版社提供的《跟着TED学科学（物理与人工智能）》。

《跟着TED学科学：物理》包含11个物理学话题。其中有“原子究竟有多小”“谁规定的一秒有多长”这样的物理学的基础性问题，也有爱因斯坦的奇迹之年、薛定谔的猫这样著名物理学家的故事，还有海森堡原理等量子力学相关的话题。每个话题都延续TED的叙事科普风格，将深刻的物理原理串联在一个整体叙事框架之中，以探究性问题或事件引入，逐步进入深度思考和学习，并最终得到结论。本书能够激发孩子对物理学的兴趣，帮助小学阶段的孩子更好地掌握《科学》中的物质科学部分，也有助于初中学生对物理学科的学习。

《跟着TED学科学：人工智能》包含11个人工智能相关的话题。诸如计算机内部结构、存储器、二级制编码这些知识中蕴含着人工智能世界的基础原理，而算法、机器学习等内容则加深对人工智能核心部分的理解，大数据、自动驾驶、人工智能与人类等话题让对人工智能的学习进入到了伦理层级，让孩子提前进行价值思考和判断。人工智能飞速发展，这本书可以作为一把钥匙，帮助学生逐步走进人工智能世界。除了人工智能本身，本书涉及的知识同样有助于学生对国标课程《信息科技》的学习。

【互动问题：要是把 AI 比作地震研究的 “超能力伙伴”，你觉得它的核心技能是“火眼金睛找微震”“快手绘图析断层”，还是 “神速预判余震”？为什么？】

请大家严格按照互动：问题答案的格式在评论区留言参与互动，格式不符合要求者无效。

截止到本周四中午12：00，参与互动的留言中点赞数排名第二、三、五的朋友将获得我们送出的图书一套（点赞数相同的留言记为并列，下一名次序加一，如并列第二之后的读者记为第三名，以此类推）。

为了保证更多的朋友能够参与获奖，过往四期内获过奖的朋友不能再获得奖品，名次会依次顺延

*本活动仅限于微信平台

编辑：姬子隰

翻译内容仅代表作者观点

不代表中科院物理所立场

扫码进入“科学与中国”小程序，可观看以院士科普视频为代表的优秀科普视频，第一时间获取中国科学院公众科学日、科学节等科普活动报名信息。