文|AI报道

川之上，国有殇。惊慌、祈福、保平安……长宁地震再一次牵动亿万国人的心。

6月18日消息，据中国地震台网测定，2019年6月17日22时55分在四川宜宾市长宁县（北纬28.34度，东经104.90度）发生6.0级地震，震源深度16千米，震源机制解结果显示为走滑型地震。

2019年6月17日四川长宁6.0级地震序列分布图（其中三角位观测台站、园和五角星为地震）

6级地震发生后，余震不断。根据中国地震台网监测，截至6月18日8时整，共记录到2.0级及以上余震62次，其中5.0-5.9级2次，4.0-4.9级3次，3.0-3.9级10次，2.0-2.9级47次，目前最大余震5.3级。

对许多四川人民来说，这不是第一次经历地震了，但与以往不同的是，震感来临前，他们的电视上收到了地震预警弹窗：

成功预警本次地震的大陆地震预警网，由成都高新减灾所与应急管理部门联合建设。地震发生时，该预警网同步向政府和应急部门、场镇、社区、学校、电视、手机和媒体等不特定公众同步发出地震预警信息。成都、德阳、乐山、广元、凉山……震中周围各地都收到了提醒，不少居民小区的喇叭也播报了倒计时的声音，安装了预警APP的用户，手机上也出现了倒计时提醒。虽然时间只有几十秒，但能提前把地震消息告诉当地居民，赢得了宝贵的逃命时间，减少了人员伤亡。

地震预警就是和地震波赛跑

需要提醒的是，地震预警，并非是像预言那样预测地震，而是在地震发生后，迅速将这一消息告知地震波还没有到达的地方。

相对光速的电波来说，地震波的速度都比我们日常通信使用的电波慢得多。利用二者传播时间差，可以提前数秒或几十秒发布预警并留出避难时间，因此地震预警就是和地震波赛跑。

上文提到的这套在昨夜地震中起到作用的预警系统，名叫ICL地震预警技术系统，来自成都高新减灾研究所。研究所所长王暾是美国康涅狄格大学理论物理学博士，2008年汶川地震后决定回国研发地震预警系统。经过在汶川地震余震区的多次实验，排除各类干扰，2010年底，王暾团队的地震预警系统雏形出炉了，几个月后就实现了通过手机短信接收地震预警信号；2012年，地震预警系统接入了电视台，整套ICL系统正式研发成功。

一年后，ICL系统也开始在地震带上做大范围部署。据中国新闻网报道，2013年成都高新减灾研究所就建成了覆盖面积40万平方公里的地震预警系统，包括布设的甘肃、陕西、四川、云南等8个省市部分区域的1213台地震监测仪器、预警中心以及信息发布和接收系统。两年后，这一系统已经扩展到了25个省份，覆盖200万平方公里。

这套系统迅速起到了作用：

2014年8月5日，云南鲁甸6.5级地震，ICL系统提前10秒向昭通市提供预警，提前57秒向昆明市提供预警，云南的昆明、昭通、丽江，四川的宜宾、凉山、乐山等地的26所学校都收到了警报；

2015年1月14日乐山5.0级地震，ICL系统分别提前11秒、43秒向乐山、成都预警；

2017年8月8日九寨沟7.0级地震，ICL系统提前19秒向陇南市预警，提前48秒向广元市预警，提前49秒向绵阳市预警，提前71秒向成都市预警。

虽然预警时间只有几十秒，但就这几十秒，足够拯救许多人的生命。王暾说，如果在地震波到达时提前3秒收到预警，伤亡人数可降低14%；提前10秒，伤亡人数可降低39%；如果汶川地震发生时有预警，死亡人数可能会减少2万至3万。

AI为地震预警注入新科技

一直以来，地震预测都是个科学大难题，通过以往地震数据的研究和推理，所得出的地震预测数据往往无法在实际灾害里得到验证。

此外，全球最具破坏性的部分地震发生在地震危害性地图（seismic hazard map）认为相对安全的地方，例如2008年的中国汶川地震、2010年的海地地震和2011年的日本地震。现在，在人工智能的帮助下，越来越多的科学家表示，他们分析海量地震数据的方式发生了变化，这可以帮助他们更好地了解地震、预测地震的行为以及提供更快速、更准确的早期预警。

与人工智能相关的新地震研究依赖于神经网络，正是这种技术加速了从语音数字助理到无人驾驶汽车等各方面的进步。神经网络对人脑中的神经元网络进行松散建模，它是一个复杂的数学系统，可以自行学习任务。

科学家表示，地震数据与谷歌和亚马逊等公司用于训练神经网络识别Alexa等家用数字助理所接收的语音命令的音频数据非常相似。在研究地震时，由计算机寻找海量数据中的模式，而不是依靠科学家疲惫的双眼进行寻找。

在AI和大数据的时代，地震预警有了新的机会。2010年9月新西兰基督城发生了7.1级地震，所幸没有人员伤亡。但5个月后发生的6.3级余震，由于震中靠近市中心，造成了185人死亡。余震虽然发生在主震之后，但危害不一定比主震小，还可能更严重。此前，科学家大多用地震对附近岩石中的应力的改变，来预测某个地点的余震，这叫“应力断裂法 (Stress-Failure Method)”。它已经能解释许多余震的规律，但还有更多无法预测的情况。

鉴于应力断裂法存在的技术缺陷，哈佛和谷歌的研究人员便开始借助机器学习的力量：用13.1万次主震和余震数据训练了一个神经网络，结果超越了传统算法。去年8月底，哈佛大学和谷歌共同开发的余震预测机器学习算法，准确度超出以往。

这项算法模拟了一个网格，每一格包含了一次主震震中周围5公里的范围。将主震和震中附近应力改变的数据提供给神经网络，训练AI预测每一格发生一次或多次余震的概率。AI把每一格当成一个独立的小任务去做，而不是计算应力在岩石中不停波动的序列。训练完成，团队用3万次主震加余震的事件，考验了AI的预测能力。他们发现AI对余震地点的预测，比传统方法更准确。

更重要的是，神经网络还能标记出主震过后地面之下可能已经发生的一些物理变化。由此便可在预测过程中起到更重要的作用：比如描述金属应力变化的参数，而这样的参数在从前的余震预测里很少用到。这样一来，就给了地震学家一个探索应力变化的新视角，给大地震的余震预测带来更多的依据。

AI为灾后救援全方位赋能

不管是自然灾害之后的搜救，还是日常救援行动，搜救人员永远都走在线，在保护自然环境、救助社会群众生命财产安全的同时，也是对自身安全的一种牺牲。为了在保障自然环境、群众生命财产安全的同时，也能够大限度的减少救援人员的牺牲，研究员们开始了人工智能在救援上的探索。

1、震区通讯模型与通讯网络搭建

地震发生后，往往会引发集中的通讯潮，一些通讯基础设施被毁坏的灾区更可能引发信息不当造成的慌乱，可以用灾区临时通讯模型来解决。此类技术的逻辑，是用人工智能等技术来优化特定区域的通讯保障能力，比如调配基站网络来优先保障灾区通讯。这种技术依赖于对通讯覆盖效率与网络环境的算法模型搭建，在技术上门槛很低。

2、房屋倒塌的预测与救援

地震中最主要的人员伤亡损失来自两种：一种是房屋倒塌造成的伤亡，一种是泥石流与山洪造成的道路与村庄受损。而城镇房屋倒塌是最大的伤亡来源。相比于地质与地理大数据门槛过高，研究者集中于学院和研究机构。城镇房屋的抗震则有很多高科技企业在参与，这也是人工智能对抗灾害的一个重要出口。

比如，加州的OneConcern公司致力于通过搜集城镇中建筑类别、建筑年龄、建筑材料等数据，构建整个城镇的建筑模型。通过对各种地震进行模拟，来推断不同地震来临时的房屋倒塌情况，从而为快速救援提供依据。这类技术有很多AI企业在参与，有些致力于提高房屋的抗震能力，有些尝试优化房屋保险模型，有些则尝试锁定救援重点目标。

3、灾区人群跟踪与疏导

地震后的次生灾害频繁，且容易造成大面积的社会问题。比如灾民盲目搭建防震棚，有可能诱发瘟疫、社会安全和交通安全问题，公共场所的盲目避震，可能造成踩踏事故等。如果能够在一线城市车站等人流集散地已经投入使用的人群监控与疏导技术，通过摄像头等数据采集工具监控人群，就能够合理配置疏导人员、军警力量与食品、药品等配给，避免出现人群骤然聚集和恐震心理催生的次发灾害。

4、智能化调配救灾物资与人员

将智能物流等技术与人工调配相结合，可以缓解一部分灾区运输负担，优化救灾工作效率。更高等级的智能调配方案，是综合铁路、公路、桥梁，工厂、矿山、水库、城镇等设施与资源的综合调配，实现综合因素同步下的一体化救灾体系。

5、智能机器人完成高危作业

在现代救灾工作中已经不难看到救灾机器人的身影，但其智能化程度不高，缺乏根据环境自主判断、自主决断的能力。另外机器人的人机交互非常不足，在缺少真人观察和指挥的前提下，机器人救灾往往只能完成单项任务，无法完成综合搜救的目标。相信随着芯片、终端硬件、交互系统、算法和物联网通讯能力的综合提高，世界范围内的救灾机器人将取得长足进展。

6、机器人25秒写出灾区报道

2017年8月8日九寨沟地震后，中国地震台网机器人自动编写稿件，仅用25秒出稿，稿件共540字并配发4张图片，内容包括速报参数、震中地形等8项。写稿机器人是一种数字技术和智能写稿编程系统，它用机器代替人完成实时监控信息源，利用文本解析和信息抽取技术实现自动信息抽取，采用机器学习算法并融合编辑记者的经验，以模板和规则知识库的方式，根据实时抽取的信息作出判断，输出相应的模板及规则知识库内容，从而产生新闻。

在技术通往未来的道路上，用技术战胜灾害从来都没有离开人们的视线。一切灾难都不是永恒的，人类正在一点点夺取未来，一步步战胜看似不可能的挑战。

图片来源于网络