尚無法預(yù)測地震，但是對不同類型地震數(shù)據(jù)的分析使科學(xué)家能夠查明每種類型的地震發(fā)生的時間和地點，從而更好地了解破壞性地震可能在何時何地發(fā)生構(gòu)造滑動。世界各地成千上萬的地震臺站連續(xù)記錄著當(dāng)?shù)氐牡卣鸹顒?，其輸出遠(yuǎn)遠(yuǎn)超出了科學(xué)家的處理能力。在這里，西北大學(xué)的研究人員通過開放科學(xué)平臺Zooniverse上的“地震偵探”程序，對2000多名公民科學(xué)家進(jìn)行了救援，以對人群的地震記錄進(jìn)行分析，并將其轉(zhuǎn)換為視聽格式。他們表明，公民至少與機器學(xué)習(xí)一樣準(zhǔn)確，甚至可以識別構(gòu)造性震顫，以前只有受過訓(xùn)練的專業(yè)人員才有可能。結(jié)果今天發(fā)表在地球科學(xué)前沿。

“我的目??的是在發(fā)現(xiàn)這些特殊地震事件時獲得幫助，因為我被博士學(xué)位研究所研究的快速增長的數(shù)據(jù)淹沒了，”該系研究生的主要作者Vivian Tang說。伊利諾伊州西北大學(xué)地球與行星科學(xué)。“借助Zooniverse和地震偵探團隊，我們?yōu)槭澜绺鞯氐娜藗兲峁┝艘环N簡單而引人入勝的方法，以幫助進(jìn)行進(jìn)一步的科學(xué)研究。”

完成輔導(dǎo)和練習(xí)后，每個公民科學(xué)家都被要求聽取阿拉斯加地震臺站(北美洲USArray臺站的一部分)捕獲的2467份記錄中的隨機選擇。視覺軌跡顯示在音頻數(shù)據(jù)旁邊。每次記錄對應(yīng)于估計到達(dá)30個已知大地震之一的表面波每個站之后的前2,000秒(但加快了800倍于音頻頻率)。發(fā)生在2013年至2018年之間的某個地方。當(dāng)來自遙遠(yuǎn)地震的波到達(dá)像阿拉斯加這樣的地震活躍地帶時，太平洋構(gòu)造板塊在北美下方滑動，它可能會觸發(fā)局部地震事件，例如較小的地震或地震構(gòu)造震顫，是地殼深處成千上萬種緩慢的微小振動，可能會持續(xù)數(shù)天或數(shù)周。地震是2001年首次發(fā)現(xiàn)的，此后成為研究的重點，因為它們向我們展示了沒有地震發(fā)生的構(gòu)造滑移，但據(jù)認(rèn)為在地震起源中起著一定作用。

每個錄音都被呈現(xiàn)給十個不同的公民，他們不得不將其歸類為地震，震顫，背景噪音或以上任何一項。加快速度，地震的地震記錄通常聽起來像是在敲門，而震顫的聲音就像是火車經(jīng)過鐵軌，背景噪音聽起來像是呼嘯的風(fēng)聲，錫箔起皺或靜電。研究人員使用在每種分類上達(dá)成共識的公民人數(shù)來衡量共識程度。作者中受過訓(xùn)練的地震學(xué)家還對數(shù)據(jù)集的選擇進(jìn)行了分類，而他們專門開發(fā)的用于識別地震的機器學(xué)習(xí)算法的輸出被用作市民表現(xiàn)的基準(zhǔn)。人工智能尚未能夠識別出構(gòu)造性震顫，直到目前的研究表明公民成功地完成了這項任務(wù)，

市民對91%的測試唱片達(dá)成了集體決定。在對地震進(jìn)行分類時(達(dá)成集體決策的記錄中有74%達(dá)到多數(shù)分類的預(yù)設(shè)閾值40%)比震顫(51%)和背景噪聲(66%)達(dá)成了更多共識。當(dāng)將他們的集體決策與專業(yè)科學(xué)家確定的正確分類進(jìn)行比較時，公民在識別地震時的總體準(zhǔn)確性為85%，高于機器學(xué)習(xí)算法的76%的準(zhǔn)確性。

作者得出的結(jié)論是，公民科學(xué)家可以為地震學(xué)做出重大貢獻(xiàn)，從而使科學(xué)家能夠處理比以往任何時候都更多的數(shù)據(jù)，從而幫助他們更好地了解地殼深處的過程并以更高的精度預(yù)測地震。公民集體識別震顫的能力(人工智能尚無法做到)對于該領(lǐng)域尤其有價值。

“地震偵探可以為該領(lǐng)域的其他研究人員提供資源，這些研究人員有興趣從一組令人印象深刻的志愿者科學(xué)家那里獲得投入。我們強烈鼓勵這些研究人員向我們指出他們希望看到的地震圖，以便我們將其包括在內(nèi)并把志愿者分類歸還給研究人員。”唐說。