Da et jordskjelv med styrke 4,4 raste i Los Angeles 13. august, kom det ikke som en fullstendig overraskelse for alle. Omtrent en million kalifornere fikk et tidlig varsel på telefonene sine om at et skjelv var nært forestående.
Hvordan skjedde det? Det var takket være den nyutviklede MyShake-appen, laget av forskere ved University of Berkeley, i samarbeid med California Governor’s Office of Emergency Services. Appen fungerer i utgangspunktet som en crowdsourcedetektor, samler bevegelsesdata fra telefoner over hele vestkysten – fra California opp til Washington State – og sender ut varsler basert på telefonens plassering.
Det er ikke mye forhåndsvarsel. «Mengden av advarsler varierer fra noen få sekunder til titalls sekunder avhengig av plasseringen av skjelvet og tilgjengeligheten av telefoner,» sier Richard Allen, Ph.D, direktør for University of California Berkleys Seismology Lab, som hjalp til med å utvikle teknologien.
Det kan virke som ingenting – hvor stor forskjell kan noen få sekunder egentlig gjøre – men innen jordskjelvvarsling kan det like gjerne være telefonens oppfinnelse. I årevis var ideen om å kunne forutsi et jordskjelv ikke bare usannsynlig. Som seismolog Allie Hutchison skrev for MIT Technology Review, ble selve ideen om det ansett som lite seriøs så sent som i 2013, «som utenfor riket av mainstream forskning som jakten på Loch Ness-monsteret.»
Mange fremtredende forskere føler det fortsatt slik. «Jeg har studert jordskjelv i mer enn 50 år, og jeg har sett mange studier fra forskere som rapporterte forløpende fenomener til betydelige jordskjelv,» sier Tom Heaton, en geofysiker ved Caltech. «Etter min erfaring har ingen utviklet et system for å forutsi jordskjelv. Jeg har stor tro på at dette er et problem i selvorganiserende kaos. Dette er et viktig felt innen fysikk som for det meste er ukjent for jordforskere.»
Historisk sett har vitenskapen om jordskjelvspådommer vært en blandet pose av voodoo og kvakksalveri. Fra feilaktige teorier om «jordskjelvvær» til spådommen fra 1990 som inspirerte en «War of the Worlds»-stil panikk (inkludert å bygge bunkere) til japanske seismologer som antydet i en studie fra 1933 at steinbit kunne forutsi jordskjelv med 80 % nøyaktighet, har det Det har ikke vært mye for å inspirere optimisme.
Til og med Japan, med et av de mest aktive jordskjelv-hot spots i verden, er forsiktige med å overlove. Da et jordskjelv med en styrke på 7,1 rammet landets sørlige øyer tidligere denne måneden, ga Japan Meteorological Agency sin første «megaskjelvrådgivning» noensinne, og advarte om en «høyere enn normalt» sjanse for et andre, sterkere skjelv. Men byrået presiserte på sin hjemmeside at advarselen ikke betyr visshet. «Informasjon som forutsier jordskjelv ved å spesifisere dato, klokkeslett og sted er en bløff,» heter det i uttalelsen.
Men den oppfatningen begynner sakte å endre seg etter hvert som vitenskapen utvikler seg. «Det har vært en debatt i mange år i seismologimiljøet om jordskjelv er et kaotisk fenomen eller et deterministisk fenomen,» sier Quentin Bletery, en geovitenskapelig forsker ved Côte d’Azur University i Nice, Frankrike. «Hvis jordskjelv er et kaotisk fenomen, uansett teknologi vil vi aldri kunne forutsi dem.»
Men hvis jordskjelv er deterministiske – noe som betyr at det er forløperanomalier som kan observeres på forhånd med de riktige instrumentene – «da vil jordskjelvprediksjon bli mulig,» sier Bletery.
Seismologer prøver å gjøre nettopp det med maskinlæring, og leter etter skjulte mønstre og data på måter som aldri før har vært forsøkt.
«De fleste tidligere forsøk fokuserte på den svært komplekse fysikken til jordskjelv,» sier Sergey Fomel, en geoforsker ved University of Texas i Austin som ledet en syv måneder lang jordskjelvvarslingsprøve i Kina i fjor. «I vår tilnærming er fysikk kombinert med statistisk dataanalyse ved å bruke de nye verktøyene for maskinlæring og kunstig intelligens. Vi trekker ut fysiske attributter fra de registrerte dataene for å kombinere dem statistisk for den beste forutsigelsen.»
Resultatene, som ble publisert i Bulletin of the Seismological Society of America i september i fjor, overgikk forventningene deres. AI-algoritmen deres, trent til å oppdage statistiske støt i sanntids seismiske data, spådde riktig 70 % av jordskjelvene (fjorten i alt) minst en uke i forveien og innenfor 200 miles fra deres episentre. (Algoritmen bommet på ett skjelv, og spådde åtte som aldri fant sted.)
«Suksessraten i Kina-eksperimentet var forbløffende,» forteller Fomel til The Post. «Gitt kompleksiteten til problemet og den lange historien til tidligere feil, var det ingen som forventet et slikt resultat.»
Denne datadrevne tilnærmingen til jordskjelvvarsling kan meget vel være fremtiden for seismologi, og forskere utforsker alle mulige måter maskinlæring kan bringe oss nærmere fullstendige spådommer. Ved universitetene i California i Berkeley og Santa Cruz utvikler forskere en ny modell, kalt RECAST – forkortelse for «Recurrent Earthquake foreCAST» – som gir dyp læring for jordskjelvvarsling.
Det fungerer på samme måte som en språkmodell, som «bruker massevis av skrevet tekst for å lage en beste gjetning om hva neste ord kan være,» forteller Kelian Dascher-Cousineau, en UC Berkeley-forsker som ledet studien, til The Post. «RECAST bruker store kataloger over jordskjelv for å lage en beste gjetning på tidspunktet for neste jordskjelv.»
Bletery har fokusert sin forskning på de subtile signalene som oppstår før mange store jordskjelv, knapt merkbare bevegelser kjent som «aseismiske utglidninger» som ikke produserer seismiske bølger, men som kan oppdages med GPS-sensorer.
Selv om dette fenomenet har blitt studert tidligere, forsøkte Bletery og teamet hans å analysere alle globale data i stedet for bare én bestemt hendelse.
«Det vi gjorde var i hovedsak å summere opp alle GPS-observasjonene registrert før jordskjelv som var på styrke 7,0 eller større,» sier han til The Post.
Det de oppdaget er at to timer før et skjelv var det en eksponentiell akselerasjon i den horisontale bevegelsen til sensorene. En spennende oppdagelse, men det betyr ikke at vi vil være i stand til å forutsi det neste ødeleggende jordskjelvet. Å identifisere aseismiske utglidninger som et reelt fenomen er bare halve kampen. Den andre halvparten lager verktøy for å oppdage dem.
«Dette vil kreve utvikling av sensorer som er i stand til å registrere bakkebevegelsen minst 100 ganger mer nøyaktig enn vår nåværende geodetiske instrumentering, som er en enorm teknologisk utfordring,» sier Bletery. Hvis det skjer, «kan vi imidlertid håpe å forutsi jordskjelv.»
Vi er nærmere enn noen gang før jordskjelvvarsler som er mer enn bare et varsel på telefonen din, og gir deg en advarsel på noen få sekunder om å søke ly. Men vitenskapen – eller i det minste den nye datadrevne, maskinlæringsmetoden til seismologi – er fortsatt i sin spede begynnelse. «Vi har fortsatt flere spørsmål enn svar,» advarer Heaton.
Dr. Robert Geller, professor emeritus i seismologi ved Universitetet i Tokyo, har lenge vært en vokal kritiker av jordskjelvspådommer, selv som en hypotetisk idé.
«Carl Sagan sa berømt at ‘ekstraordinære påstander krever ekstraordinære bevis’,» sier han til The Post. «Med andre ord, i lys av de tusenvis av spådommer som til slutt har blitt avvist de siste 140 årene, med mindre disse menneskene har virkelig sterke data, vil de ha vanskelig for å få trekkraft.»
men «virkelig sterke data» er akkurat det mange forskere har samlet de siste årene. Yangkang Chen, Ph.D., en ledende utvikler i University of Texas AI-studie i fjor sommer, sier at de planlegger å teste metodene sine i seismisk aktive områder andre enn det vestlige Kina, inkludert vestkysten av USA, Japan og Middelhavet område.
«Vi må bekrefte at det samme prognoserammeverket er generaliserbart,» sier Chen. «Så snart vi kan klone den samme suksessen med jordskjelvvarsling på mange områder, vil vi fokusere på å forbedre prediksjonsytelsen ved å justere AI-modellen og samarbeide med førsteklasses dataforskere.»
Det er grunn til optimisme, sier Chen, fordi kunstig intelligens er fullstendig datadrevet og fysikkfri. «Det er ikke partisk mot noen menneskedefinerte forutsetninger,» sier hun. «Så lenge den kan oppnå en statistisk overbevisende poengsum, viser den noe, uavhengig av om du erkjenner at anomalien er et forløpersignal eller ikke.»
I det minste for nå er dataene nettopp det – data. Datasettene «har potensialet til å være enormt informative,» sier Dascher-Cousineau. «Men de kommer også med sine egne quirks.» Utfordringen for dagens seismologer er å bestemme hva de skal gjøre med alle disse dataene, slik at morgendagens jordskjelvspådommer ikke bare er beste gjetninger.
«Selv om du tror du har en bedre modell, er dette kanskje ikke klart med en gang,» sier Dascher-Cousineau. «Tenk deg å prøve å avgjøre en debatt om hvorvidt en mynt er partisk etter bare å ha sett et par vendinger av mynten.»
