Predviđanje potresa sveti je gral seizmologije. Iako nakon svakog velikog potresa (primjerice, nedavnog u Maroku ili onoga koji je u veljači pogodio Tursku) na društvenim mrežama iskoči da je neka osoba predvidjela da će se upravo na tom mjestu dogoditi katastrofa, takvi se navodi pokažu netočnima. Jer, predvidjeti kad će se točno na nekom mjestu dogoditi potres i koje će magnitude biti nije moguće zbog složene i kaotične prirode potresa. Ipak, zahvaljujući dubokom učenju, odnosno umjetnoj inteligenciji (AI), u budućnosti bi se lakše mogli prognozirati naknadni potresi koji nastaju nakon udarnog, piše jutarnji.hr.
Tri nedavno objavljena rada u uglednim znanstvenim časopisima opisuju modele dubokog učenja koji imaju bolje rezultate od konvencionalnog najsuvremenijeg modela za prognoze potresa. Nalazi su preliminarni i primjenjuju se samo na ograničene situacije, kao što je procjena rizika od naknadnih potresa nakon što je ‘veliki‘ već pogodio. Ipak, te studije predstavljaju napredak u korištenju snage strojnog učenja kako bi se smanjio seizmički rizik na određenom području. - Stvarno sam uzbuđen što se ovo konačno događa – rekao je za Nature News Morgan Page, seizmolog iz Američkog geološkog zavoda (USGS) u Pasadeni, koji nije sudjelovao ni u jednom od objavljenih istraživanja.
U prvom radu, objavljenom u Geophysical Research Letters, geofizičar Kelian Dascher-Cousineau s Kalifornijskog sveučilišta u Berkeleyju i njegovi kolege testirali su svoj model na katalogu tisuća potresa koji su pogodili južnu Kaliforniju između 2008. i 2021. godine. Njihov model pokazao se boljim od standardnog u predviđanju broja potresa u razdoblju dva tjedna nakon udarnog potresa. Također, model je bio bolji u "hvatanju" cijelog raspona magnituda mogućih naknadnih potresa.
U drugom radu, objavljenom u časopisu Earths Future, primijenjeni statističar Samuel Stockman sa Sveučilišta u Bristolu, razvio je sličnu metodu koja se pokazala dobrom kada je " trenirana" na katalogu potresa koji su potresli središnju Italiju 2016.–2017. godine oštetivši nekoliko gradova. U trećem radu, objavljenom u časopisu Scientific Reports, fizičar Yohai Bar-Sinai sa Sveučilišta Tel Aviv i njegovi kolege prikazali su model neuronske mreže. Kada je taj model testiran na 30-godišnjim podacima o potresima iz Japana, pokazao se boljim od standardnog. - Naš rad bi mogao dati uvid u temeljnu fiziku potresa. Postoji nada da ćemo razumjeti više o temeljnim mehanizmima, o tome što uzrokuje početak potresa, što određuje njihovu magnitudu – rekao je Bar-Sinai.
Nedavno objavljene studije komentirao je i hrvatski seizmolog Josip Stipčević.
- Moje viđenje je da to pravi smjer gdje bi se mogao postići pravi napredak u forecastingu, odnosno prognozi potresa. Rekao bih da sam umjereno optimističan u vezi toga jer i prije su se događale slične najave koje nisu izdržale test vremena. Ovdje je dobro da se jasno naglasi da se ovdje radi o prognozi, a ne o predviđanju kada će se pojedinačni potres dogoditi tj. točno vrijeme, magnitudu i lokaciju. Forecasting nam govori o generalno povećanoj ili smanjenoj mogućnosti da se na nekom području u nekom relativno kraćem periodu dogodi jaki potres i ovdje vidim mogućnost da AI i strojno učenje pomaknu granice onog što je danas moguće – rekao je dr. Josip Stipčević, docent na Geofizičkom odsjeku Prirodoslovno-matematičkog fakulteta (PMF) u Zagrebu.
- U zadnjih desetak godina došlo je do velikog skoka u količini i rasponu informacija koju prikupljamo o potresima te je u tom aspektu korištenje naprednih metoda analize podataka temeljenih na strojnom učenju nezamjenjivo. Koliko će se od tih istraživanja pokazati, korisno vrlo je teško prognozirati. Trenutno, ovo polje istraživanja brzo napreduje i neki pomaci su već vidljivi te sada treba čekati da se pokaže koliko dobro funkcioniraju u praksi – dodao je Stipčević.
Naš sugovornik osvrnuo se na mogućnost predviđanja potresa kakvi su, primjerice 2020. godine pogodili Zagreb i Petrinju.
- Trenutno ne postoji način predviđanja velikih potresa, ali to se vrlo lako može promijeniti otkrićem nečega što bi nam moglo najaviti takve potrese. Tu u igru dolaze sve nove informacije koje prikupljamo o potresima pomoću standardnih seizmografa, satelita ili možda najnovije pomoću svjetlovodnih kablova upareno s metodama strojnog učenja. Ovdje naravno uvijek treba gledati sa skepticizmom bombastične najave mogućnosti da se potresi predvide jer se već puno puta pokazalo kao krivo – zaključio je Josip Stipčević.