Primjena umjetne inteligencije u posljednjih je nekoliko godina gotovo u potpunosti automatizirala jedan od temeljnih zadataka seizmologije – detekciju potresa. Ono što su nekada radili analitičari, a kasnije jednostavniji računalni programi, sada brzo i učinkovito obavljaju alati iz domene strojnog učenja. Takve nove metode sposobne su otkriti značajno manje potrese nego što to mogu učiniti ljudski analitičari, osobito u seizmički "bučnim" okruženjima poput gradova, pružajući vrijedne informacije o sastavu Zemlje i mogućim budućim opasnostima.​

Znanstvenici se slažu da je ova promjena donijela značajan napredak. Kyle Bradley, koautor newslettera Earthquake Insights, opisao je primjenu novih tehnika kao "stavljanje naočala prvi put", odnosno situaciju kad se odjednom, na temelju starih podataka, vidi jasnija slika. Prije dolaska naprednih algoritama, katalogizacija potresa obavljala se ručno, a kasniji pokušaji s tradicionalnim algoritmima i metodom pronalaženja podudaranja u podacima bili su ili nedovoljno osjetljivi ili računski iznimno zahtjevni. AI modeli riješili su oba problema.

Novi alati seizmologije

Uspjeh novih metoda temelji se na prilagodbi provjerenih tehnika iz drugih područja. Modeli poput Earthquake Transformera, razvijenoga na američkom sveučilištu Stanford, koriste arhitekture inspirirane modelima za prepoznavanje sadržaja slika. Umjesto dvodimenzionalnih neuronskih mreža koje analiziraju piksele, ovi modeli primjenjuju jednodimenzionalne modele na vremenske serije seizmograma, prepoznajući karakteristične "potpise" potresa. Ključnu ulogu u njihovom razvoju i treniranju odigrali su veliki, javno dostupni skupovi podataka, poput Stanford Earthquake Dataseta (STEAD), koji sadrži 1,2 milijuna označenih segmenata seizmograma.​

Ovi su alati danas brži i energetski učinkovitiji od starijih metoda, što ih čini dostupnijima istraživačkim projektima diljem svijeta. Njihova učinkovitost je tolika da su u nekim područjima omogućili identifikaciju deset puta više potresa nego što je prethodno bilo poznato, uglavnom vrlo malih magnituda. Osim detekcije, AI modeli precizno određuju i vrijeme dolaska primarnih i sekundarnih (P i S) valova, što seizmolozima omogućuje doznati još više o strukturi potresa.​

Primjena u praksi

Iako "sveti gral" seizmologije – precizno predviđanje potresa – još nije dosegnut, sveobuhvatniji katalozi potresa koje generira AI otključali su brojne nove tehnike. Jedna od najznačajnijih primjena je u proučavanju vulkana, jer aktivnost proizvodi velik broj malih potresa, pa podaci pomažu znanstvenicima u razumijevanju strukture magmatskog sustava. Druga obećavajuća primjena je u obradi golemih količina podataka dobivenih tehnikom distribuiranog akustičnog očitavanja, koja koristi optičke kabele za mjerenje seizmičke aktivnosti.

Unatoč uspjesima, znanstvenici upozoravaju na pritisak unutar akademske zajednice da se AI metode koriste čak i kada to nije relevantno. To može dovesti do istraživanja koja su tehnički ispravna, ali praktički beskorisna – jer korištenje AI-ja ne jamči da će postavke istraživanja biti ispravne niti da će zaključci biti točni. Ipak, konsenzus je da je u području detekcije potresa AI donio istinsku i pozitivnu revoluciju, na blogu Understanding AI piše Kai Williams, reporter Ars Technice.