Γ.Δ.
1420.41 +0,20%
ACAG
-1,53%
6.45
CENER
+1,12%
7.21
CNLCAP
0,00%
7.5
DIMAND
-0,60%
9.86
OPTIMA
+1,65%
8.03
TITC
0,00%
26.55
ΑΑΑΚ
0,00%
8.1
ΑΒΑΞ
-0,62%
1.6
ΑΒΕ
0,00%
0.502
ΑΔΜΗΕ
-0,44%
2.275
ΑΚΡΙΤ
-1,09%
0.91
ΑΛΜΥ
+0,75%
2.7
ΑΛΦΑ
-1,00%
1.6315
ΑΝΔΡΟ
-0,87%
6.84
ΑΡΑΙΓ
-0,64%
12.44
ΑΣΚΟ
-1,12%
2.65
ΑΣΤΑΚ
0,00%
8.14
ΑΤΕΚ
0,00%
0.378
ΑΤΡΑΣΤ
0,00%
7.25
ΑΤΤ
0,00%
11.35
ΑΤΤΙΚΑ
0,00%
2.4
ΒΑΡΝΗ
0,00%
0.24
ΒΙΟ
-0,36%
5.58
ΒΙΟΚΑ
+1,88%
2.71
ΒΙΟΣΚ
+1,20%
1.26
ΒΙΟΤ
0,00%
0.338
ΒΙΣ
0,00%
0.238
ΒΟΣΥΣ
0,00%
2.32
ΓΕΒΚΑ
-2,51%
1.75
ΓΕΚΤΕΡΝΑ
+0,60%
16.9
ΔΑΑ
-0,35%
8.55
ΔΑΙΟΣ
0,00%
3.8
ΔΕΗ
+0,87%
11.56
ΔΟΜΙΚ
-2,58%
4.54
ΔΟΥΡΟ
0,00%
0.25
ΔΡΟΜΕ
+1,70%
0.359
ΕΒΡΟΦ
+0,56%
1.8
ΕΕΕ
+0,37%
29.48
ΕΚΤΕΡ
+1,27%
3.99
ΕΛΒΕ
+6,93%
5.4
ΕΛΙΝ
-0,38%
2.64
ΕΛΛ
+0,65%
15.5
ΕΛΛΑΚΤΩΡ
0,00%
2.64
ΕΛΠΕ
-1,06%
8.43
ΕΛΣΤΡ
-0,78%
2.53
ΕΛΤΟΝ
+1,50%
2.03
ΕΛΧΑ
+0,30%
1.976
ΕΝΤΕΡ
0,00%
7.86
ΕΠΙΛΚ
0,00%
0.13
ΕΠΣΙΛ
+1,37%
9.63
ΕΣΥΜΒ
+2,81%
1.28
ΕΤΕ
-0,49%
7.304
ΕΥΑΠΣ
-1,16%
3.4
ΕΥΔΑΠ
0,00%
5.95
ΕΥΡΩΒ
-0,39%
1.781
ΕΧΑΕ
+0,18%
5.46
ΙΑΤΡ
+2,29%
1.785
ΙΚΤΙΝ
+0,79%
0.508
ΙΛΥΔΑ
0,00%
1.885
ΙΝΚΑΤ
-1,66%
5.32
ΙΝΛΙΦ
-1,01%
4.89
ΙΝΛΟΤ
+3,37%
1.166
ΙΝΤΕΚ
-0,95%
6.28
ΙΝΤΕΡΚΟ
+1,52%
6.7
ΙΝΤΕΤ
-0,36%
1.395
ΙΝΤΚΑ
+0,14%
3.685
ΚΑΜΠ
0,00%
2.35
ΚΑΡΕΛ
-0,58%
340
ΚΕΚΡ
+2,94%
1.575
ΚΕΠΕΝ
0,00%
2.04
ΚΛΜ
+1,35%
1.5
ΚΟΡΔΕ
-2,68%
0.58
ΚΟΥΑΛ
-2,13%
1.38
ΚΟΥΕΣ
+1,20%
5.88
ΚΡΕΚΑ
0,00%
0.28
ΚΡΙ
-2,94%
11.55
ΚΤΗΛΑ
0,00%
1.79
ΚΥΡΙΟ
0,00%
1.5
ΛΑΒΙ
-0,45%
0.88
ΛΑΜΔΑ
-0,45%
6.695
ΛΑΜΨΑ
-0,63%
31.4
ΛΑΝΑΚ
+1,90%
1.07
ΛΕΒΚ
+7,95%
0.38
ΛΕΒΠ
0,00%
0.33
ΛΙΒΑΝ
0,00%
0.125
ΛΟΓΟΣ
0,00%
1.33
ΛΟΥΛΗ
-0,72%
2.77
ΜΑΘΙΟ
0,00%
1.16
ΜΕΒΑ
0,00%
3.88
ΜΕΝΤΙ
-1,94%
3.03
ΜΕΡΚΟ
0,00%
45.4
ΜΙΓ
0,00%
4.1
ΜΙΝ
+1,56%
0.65
ΜΛΣ
0,00%
0.57
ΜΟΗ
+0,07%
27.26
ΜΟΝΤΑ
+1,79%
3.42
ΜΟΤΟ
+0,65%
3.09
ΜΟΥΖΚ
0,00%
0.765
ΜΠΕΛΑ
+0,61%
26.42
ΜΠΛΕΚΕΔΡΟΣ
-0,30%
3.34
ΜΠΡΙΚ
+1,04%
1.935
ΜΠΤΚ
0,00%
0.6
ΜΥΤΙΛ
0,00%
35.84
ΝΑΚΑΣ
+2,94%
2.8
ΝΑΥΠ
+2,78%
1.11
ΞΥΛΚ
-2,44%
0.32
ΞΥΛΠ
0,00%
0.36
ΟΛΘ
+0,88%
22.9
ΟΛΠ
-0,18%
27.95
ΟΛΥΜΠ
-2,74%
2.84
ΟΠΑΠ
+2,21%
16.62
ΟΡΙΛΙΝΑ
0,00%
0.889
ΟΤΕ
+0,59%
13.61
ΟΤΟΕΛ
+0,15%
13.28
ΠΑΙΡ
0,00%
1.345
ΠΑΠ
-0,42%
2.37
ΠΕΙΡ
+0,89%
3.866
ΠΕΤΡΟ
+1,51%
9.44
ΠΛΑΘ
-0,48%
4.155
ΠΛΑΚΡ
+3,95%
15.8
ΠΡΔ
0,00%
0.3
ΠΡΕΜΙΑ
-0,17%
1.152
ΠΡΟΝΤΕΑ
0,00%
7.35
ΠΡΟΦ
+1,83%
4.45
ΡΕΒΟΙΛ
0,00%
1.6
ΣΑΡ
+1,38%
11.76
ΣΑΡΑΝ
0,00%
1.07
ΣΑΤΟΚ
0,00%
0.047
ΣΕΝΤΡ
+2,33%
0.44
ΣΙΔΜΑ
+4,37%
2.15
ΣΠΕΙΣ
-0,25%
7.88
ΣΠΙ
+13,90%
0.918
ΣΠΥΡ
0,00%
0.2
ΤΕΝΕΡΓ
+1,69%
18.04
ΤΖΚΑ
-4,30%
1.67
ΤΡΑΣΤΟΡ
-4,13%
1.16
ΤΡΕΣΤΑΤΕΣ
-0,36%
1.678
ΥΑΛΚΟ
0,00%
0.18
ΦΙΕΡ
-2,85%
0.375
ΦΛΕΞΟ
0,00%
8.1
ΦΡΙΓΟ
0,00%
0.3
ΦΡΛΚ
-0,82%
4.23
ΧΑΙΔΕ
-1,37%
0.72

Η πρόβλεψη των σεισμών δεν είναι δυνατή. Προς το παρόν…

Ένα από τα πιο συχνά ερωτήματα που τίθενται στο Γεωλογικό Ινστιτούτο των Ηνωμένων Πολιτειών είναι αν οι σεισμοί μπορούν να προβλεφθούν. Η απάντησή τους είναι κατηγορηματικά «όχι». Η σχετική ιστοσελίδα της υπηρεσίας αναφέρει ότι κανένας επιστήμονας δεν έχει προβλέψει ποτέ κάποιον μεγάλο σεισμό, ούτε γνωρίζουν πώς μπορεί να γίνει μια τέτοια πρόβλεψη.

Αυτό μπορεί σύντομα να πάψει να ισχύει. Αν και, έπειτα από δεκαετίες αποτυχημένων προσπαθειών και ατεκμηρίωτων ισχυρισμών σχετικά με την πρόβλεψη των σεισμών, ένας ορισμένος σκεπτικισμός είναι δικαιολογημένος -και ο Paul Johnson, γεωφυσικός στο Εθνικό Εργαστήριο του Los Alamos, υποβαθμίζει πράγματι τις δυνατότητες πρόβλεψης αυτού που ετοιμάζει- εντούτοις, στο πλαίσιο ερευνών που αποσκοπούν στην καλύτερη κατανόηση της επιστήμης των σεισμών, ο ίδιος και η ομάδα του ανέπτυξαν ένα εργαλείο που θα μπορούσε να καταστήσει δυνατή την πρόβλεψη των σεισμών.

Όπως συμβαίνει με τόσες πολλές επιστημονικές έρευνες στις μέρες μας, η προσέγγισή τους βασίζεται στην τεχνητή νοημοσύνη με τη μορφή της μηχανικής μάθησης. Αυτή, με τη σειρά της, χρησιμοποιεί προγράμματα υπολογιστών που ονομάζονται νευρωνικά δίκτυα, τα οποία βασίζονται σε ένα απλοποιημένο μοντέλο του τρόπου με τον οποίο τα νευρικά συστήματα πιστεύεται ότι μαθαίνουν διάφορα πράγματα. Η μηχανική μάθηση γνώρισε μεγάλη άνθηση τα τελευταία χρόνια, σημειώνοντας επιτυχίες σε τομείς που κυμαίνονται από τη μετατροπή της ομιλίας σε κείμενο έως την ανίχνευση του καρκίνου από ηλεκτρονικές αξονικές τομογραφίες. Η πρακτική αυτή εφαρμόζεται πλέον και στη σεισμολογία.

Η δυσκολία αυτού του εγχειρήματος είναι ότι τα νευρωνικά δίκτυα χρειάζονται τεράστιες ποσότητες εκπαιδευτικών δεδομένων για να «διδαχθούν» τι να αναζητήσουν -και αυτό είναι κάτι που οι σεισμοί δεν παρέχουν. Με σπάνιες εξαιρέσεις, οι μεγάλοι σεισμοί προκαλούνται από την κίνηση γεωλογικών ρηγμάτων στα όρια μεταξύ των τεκτονικών πλακών της Γης ή κοντά σε αυτά. Αυτό σας λέει πού να αναζητήσετε τα δεδομένα σας, αλλά ο κύκλος των σεισμών στα περισσότερα ρήγματα περιλαμβάνει μια διαδικασία που ονομάζεται stick-slip (ο κραδασμός που προκύπτει όταν δυο σώματα ολισθαίνουν το ένα πάνω στο άλλο), η οποία διαρκεί δεκαετίες. Κατ’ αρχάς, υπάρχει μικρή κίνηση σε ένα ρήγμα, καθώς η τάση συσσωρεύεται και επομένως υπάρχουν ελάχιστα σημεία δεδομένων για να τροφοδοτήσουν ένα πρόγραμμα μηχανικής μάθησης. Στη συνέχεια υπάρχει μια ξαφνική, καταστροφική ολίσθηση που απελευθερώνει τη συσσωρευμένη τάση. Αυτή σίγουρα δημιουργεί πολλά δεδομένα, αλλά τίποτα ιδιαίτερα χρήσιμο για τους σκοπούς της πρόβλεψης.

Ο δρ Johnson εκτιμά ότι χρειάζονται περίπου δέκα κύκλοι δεδομένων σεισμών για την εκπαίδευση ενός συστήματος. Και επειδή η σεισμολογία είναι μια νέα επιστήμη, αυτό δεν είναι καθόλου εφικτό. Το ρήγμα του Αγίου Ανδρέα στην Καλιφόρνια (φωτογραφία), για παράδειγμα, προκαλεί έναν μεγάλο σεισμό κάθε 40 χρόνια περίπου. Αλλά, προς το παρόν, είναι διαθέσιμα επαρκώς λεπτομερή δεδομένα μόνο 20 περίπου ετών (με άλλα λόγια, μισός κύκλος), τα οποία μπορούν να είναι χρήσιμα.

Το 2017, ωστόσο, η ομάδα του δρος Johnson εφάρμοσε τη μηχανική μάθηση σε έναν διαφορετικό τύπο σεισμικής δραστηριότητας. Τα γεγονότα αργής ολίσθησης, που μερικές φορές αποκαλούνται σιωπηλοί σεισμοί, προκαλούνται επίσης από την κίνηση των πλακών. Η διαφορά είναι ότι, ενώ ένας σεισμός συνήθως τελειώνει μέσα σε λίγα δευτερόλεπτα, ένα γεγονός αργής ολίσθησης μπορεί να διαρκέσει ώρες, ημέρες ή και μήνες. Από την άποψη της μηχανικής μάθησης, αυτό είναι πολύ καλύτερο, διότι μια τέτοια παρατεταμένη διαδικασία δημιουργεί πολλά σημεία δεδομένων στα οποία μπορεί να εκπαιδευτεί το νευρωνικό δίκτυο.

Η αίθουσα διδασκαλίας του δρος Johnson είναι η ζώνη υποβύθισης Cascadia, ένα τεκτονικό χαρακτηριστικό που εκτείνεται 1.000 χιλιόμετρα κατά μήκος της ακτής της Βόρειας Αμερικής, από τη νήσο Βανκούβερ στον Καναδά έως τη βόρεια Καλιφόρνια. Αποτελεί το όριο μεταξύ των πλακών Explorer, Juan de Fuca και Gorda στα δυτικά και της βορειοαμερικανικής πλάκας στα ανατολικά. Η σταθερή κίνηση της τελευταίας πάνω στις τρεις πρώτες δημιουργεί ένα γεγονός αργής ολίσθησης κάθε 14 μήνες περίπου, και οι γεωφυσικοί έχουν καταγράψει λεπτομερώς αυτήν τη δραστηριότητα από τη δεκαετία του 1990. Αυτό σημαίνει ότι υπάρχουν πολλοί πλήρεις κύκλοι δεδομένων -και το σύστημα μηχανικής μάθησης που εκπαιδεύτηκε πάνω σε αυτούς από τον δρα Johnson ήταν σε θέση να «υποδείξει» τις παρελθούσες αργές ολισθήσεις με βάση τα σεισμικά σήματα που προηγήθηκαν, «προβλέποντας» πότε θα συνέβαιναν με ακρίβεια περίπου μιας εβδομάδας από το πότε συνέβησαν στην πραγματικότητα.

Η επόμενη δοκιμή της τεχνικής, η οποία δεν έχει ακόμα πραγματοποιηθεί, θα είναι μια πραγματική πρόβλεψη ενός γεγονότος αργής ολίσθησης. Αλλά ακόμα και χωρίς να έχει συμβεί αυτό, το project του δρος Johnson για την αργή ολίσθηση υποδηλώνει ότι οι τεχνικές μηχανικής μάθησης λειτουργούν πράγματι με σεισμικά συμβάντα και, αν υπήρχε τρόπος να αντισταθμιστεί η έλλειψη δεδομένων, θα μπορούσαν να επεκταθούν και στους σεισμούς. Για να παράσχουν μια τέτοια αντιστάθμιση, ο ίδιος και οι συνάδελφοί του εφαρμόζουν μια διαδικασία που ονομάζεται μεταβίβαση γνώσης. Αυτή λειτουργεί με ένα μείγμα προσομοιωμένων και πραγματικών πληροφοριών.

Πιο κοντά στην πραγματικότητα

Οι «εργαστηριακοί σεισμοί» είναι μικροσκοπικοί σεισμοί που δημιουργούνται σε έναν εργαστηριακό πάγκο με αργή συμπίεση γυάλινων σφαιριδίων σε μια πρέσα, έως ότου ξαφνικά κάτι υποχωρήσει. Η διαδικασία έχει αποδειχθεί ένα χρήσιμο υποκατάστατο της κίνησης stick-slip. Η ομάδα του δρος Johnson δημιούργησε μια ψηφιακή προσομοίωση (ένα υπολογιστικό μοντέλο που αποτυπώνει τα βασικά στοιχεία ενός φυσικού συστήματος) ενός εργαστηριακού σεισμού και εκπαίδευσε το σύστημα μηχανικής μάθησης σε αυτό, για να δει αν μπορεί να μάθει να προβλέπει την πορεία των ενδεικτικών σεισμών.

Το αποτέλεσμα είναι μέτρια επιτυχημένο, αλλά αυτό που πραγματικά κάνει τη διαφορά είναι η ενίσχυση του εκπαιδευόμενου συστήματος με επιπλέον δεδομένα από πραγματικά πειράματα -με άλλα λόγια, η μεταβίβαση γνώσης. Ο συνδυασμός των προσομοιωμένων δεδομένων που έχουν βαθμονομηθεί με μια πινελιά πραγματικών δεδομένων είναι σαφώς πιο αποτελεσματικός στην πρόβλεψη του πότε θα συμβεί ένας σεισμός στο εργαστήριο.

Το επόμενο βήμα προς την πρόγνωση σεισμών θα είναι η εφαρμογή της ίδιας προσέγγισης σε ένα πραγματικό γεωλογικό ρήγμα, στην προκειμένη περίπτωση πιθανώς στο ρήγμα του Αγίου Ανδρέα. Ένα σύστημα μηχανικής μάθησης θα εκπαιδευτεί με δεδομένα από μια ψηφιακή προσομοίωση του ρήγματος, συν τα διαθέσιμα δεδομένα του μισού κύκλου δεδομένων πραγματικού χρόνου. Η ομάδα του δρος Johnson θα δει αν αυτά είναι αρκετά για να υπολογίσει παρελθόντα γεγονότα που δεν περιλαμβάνονται στα δεδομένα της εκπαίδευσης. Αναφέρει τον σεισμό του Parkfield μεγέθους έξι βαθμών το 2004 -μια ολίσθηση του Αγίου Ανδρέα που προκάλεσε ελάχιστες ζημιές, αλλά μελετήθηκε εξαιρετικά καλά- ως έναν πιθανό στόχο.

Προς το παρόν, οι φιλοδοξίες του δρος Johnson περιορίζονται στην πρόβλεψη του χρόνου ενός επικείμενου σεισμού. Μια πλήρης πρόβλεψη θα πρέπει επίσης να περιλαμβάνει το σημείο του ρήγματος που θα συμβεί και το μέγεθός του. Ωστόσο, αν όντως μπορεί να προβλεφθεί ο χρόνος, κάτι τέτοιο σίγουρα θα τονώσει τις προσπάθειες πρόβλεψης και των άλλων κριτηρίων.

Ελπίζει να έχει τα πρώτα αποτελέσματα μέσα στους επόμενους τρεις έως έξι μήνες, αλλά προειδοποιεί ότι μπορεί να χρειαστεί περισσότερος χρόνος. Αν όμως τα αποτελέσματα αυτά είναι πράγματι ελπιδοφόρα, τότε αναμφίβολα και άλλες ομάδες ανά τον κόσμο ενδέχεται να ριχτούν στην προσπάθεια, χρησιμοποιώντας ιστορικά δεδομένα από άλλα ρήγματα που προκαλούν σεισμούς, προκειμένου να επικυρώσουν την τεχνική. Κάτι τέτοιο, με τη σειρά του, αναμένεται να βελτιώσει το υποκείμενο μοντέλο.

Αν δεν υπάρξει αποτέλεσμα, τίποτα δεν θα έχει χαθεί, διότι το έργο του δρος Johnson θα προσφέρει σίγουρα μια καλύτερη κατανόηση της φυσικής των μεγάλων σεισμών, κάτι που από μόνο του είναι πολύτιμο. Αλλά, αν τελικά αποφέρει κάτι, και κατορθώσει να δημιουργήσει λογισμικό ικανό να προβλέπει πότε θα συμβούν μεγάλοι σεισμοί, θα πρόκειται πραγματικά για μια ανακάλυψη που θα ταρακουνήσει όλη τη γη.

© 2023 The Economist Newspaper Limited. All rights reserved.
Άρθρο από τον Economist, το οποίο μεταφράστηκε και δημοσιεύθηκε με επίσημη άδεια από την www.powergame.gr. Το πρωτότυπο άρθρο, στα αγγλικά, βρίσκεται στο www.economist.com.

Google News icon
Ακολουθήστε το Powergame.gr στο Google News για άμεση και έγκυρη οικονομική ενημέρωση!