Voiko tekoäly ennustaa maanjäristyksiä 72 tuntia etukäteen seismisistä ja ilmakehän tiedoista ?

Voivatko tekoälykehitykset, jotka on koulutettu seismisten ja ilmakehän datan perusteella, luotettavasti ennustaa maanjäristyksiä jopa kolme päivää ennen niiden tapahtumista? Panokset ovat valtavat – oikea-aikaiset varoitukset voisivat mullistaa katastrofivalmiuden maailmanlaajuisesti. Entä mitä tiede todella sanoo tästä mahdollisuudesta?

Background

Maanjäristysten ennustaminen on edelleen yksi geotieteiden haastavimmista ongelmista. Perinteiset menetelmät perustuvat historiallisen seismisyyden tilastolliseen analyysiin, maankuoren muodonmuutosten geodeettisiin mittauksiin sekä esi-ilmiöihin, kuten esijäristyksiin, mutta yksikään niistä ei ole johdonmukaisesti tarjonnut luotettavia lyhyen aikavälin ennusteita (esim. päiviä tai viikkoja) suurten tapahtumien edellä (Jordan ym., 2011; Geller ym., 1997; Lomnitz, 1994).

Viime vuosina koneoppimismenetelmiä (ML) on tutkittu tunnistamaan hienovaraisia, epälineaarisia malleja seisminen datasta, jotka saattavat edeltää maanjäristyksiä. Tutkimuksissa on käytetty laajoja aineistoja tiheistä seismisistä verkoista kouluttamaan syviä neuroverkkoja, jotka kykenevät tunnistamaan poikkeamia aalto-ominaisuuksissa, kuten ajallinen klusteroituminen, spektraalisisältö tai b-arvon muutokset (DeVries ym., 2018; Mignan ym., 2021). Joissakin malleissa on raportoitu parantuneesta suorituskyvystä jälkijäristyssekvenssien ennustamisessa tai varhaisvaroitusmerkkien havaitsemisessa alueellisilla mittakaavoilla (esim. Perol ym., 2018; Zhang ym., 2021). Poikkeamien fysikaalinen tulkittavuus on kuitenkin edelleen kiistanalainen, ja perusteelliset, ennakoivat validoinnit eri tektonisissa ympäristöissä ovat rajallisia (van der Elst ym., 2021).

Ilmakehän datan, kuten ionosfäärin häiriöiden (esim. kokonais elektronipitoisuuden poikkeamat), radonpäästöjen tai lämpöinfrapuna-anomaliat, sisällyttämistä on ehdotettu mahdollisiksi ennakkoilmiöiksi perustuen anekdoottisiin ja tapaustutkimuksiin (esim. Pulinets & Ouzounov, 2011). Satelliittipohjainen seuranta (esim. GOES, Swarm) on mahdollistanut tällaisten signaalien laajemman spatiaalisen kattavuuden, ja jotkin ML-mallit ovat pyrkineet yhdistämään seismisiä ja ilmakehän syötteitä parantaakseen ennustetarkkuutta (esim. Akhoondzadeh & Di Mauro, 2022). Mekanismit, jotka yhdistävät ilmakehän muutokset tektoniseen stressiin, ovat kuitenkin spekulatiivisia, eikä vankkaa näyttöä kausaalisista reiteistä ole olemassa (Thomas ym., 2017; Dautermann ym., 2007).

Huolimatta anekdoottisista raportteista ja eristetyistä tapaustutkimuksista, laajempi geofysikaalinen yhteisö pitää yllä, että mikään validoitu menetelmä ei ole olemassa maanjäristysten ajan, paikan ja magnitudin ennustamiseksi riittävällä tarkkuudella julkisten varoitusten antamiseksi (esim. Nature pääkirjoitus, 2018). Yhdysvaltain geologian tutkimuskeskus (USGS) toteaa selkeästi, että luotettava lyhyen aikavälin ennustaminen ei ole mahdollista nykyisen ymmärryksen ja teknologian puitteissa (USGS, 2023). Vaikka tekoäly saattaa parantaa hienovaraisien mallien havaitsemista, skeptisismi pysyy siitä, edustavatko ne todellisia ennakkoilmiöitä vai satunnaisia korrelaatioita (esim. Mignan, 2016). Näin ollen eturintamassa on signaalin erottaminen kohinasta sekä varmistaminen, että mahdollinen ennustava signaali voidaan validoida ennakoivasti sokeissa olosuhteissa useissa seismisissä ympäristöissä.

Lyhyen aikavälin maanjäristysten ennustaminen – määriteltynä tietyn tapahtuman ennustamiseksi tunteja tai päiviä etukäteen – on edelleen seismologian haastavimpia tavoitteita. 1970-luvulta lähtien tutkijat ovat tutkineet geofysikaalisten ja ilmakehän signaalien (esim. sähkömagneettiset poikkeamat, radonpäästöt tai ionosfäärin häiriöt) ja lähestyvien järistysten välisiä suhteita, mutta laajoja, ennakoivasti validoituja aineistoja, jotka kattavat täyden 72 tunnin horisontin, on niukasti. Tilastolliset tutkimukset, jotka väittävät saavansa taitoa tällä aikavälillä, eivät usein kestä perusteellisia, ulkopuolisia testejä tai niitä ei ole toistettu useissa tektonisissa ympäristöissä. Syväoppimismallit, jotka käyttävät jatkuvia seismisiä ja meteorologisia syötteitä, ovat osoittaneet lupausta retrospektiivisissä aineistoissa – toisinaan raportoiden näennäisiä parannuksia lyhyen aikavälin ennustemittareissa – mutta nämä edistysaskeleet eivät ole vielä muuttuneet operatiivisiksi järjestelmiksi, joita suurten geologisten tutkimuslaitosten on hyväksynyt. Yleisesti hyväksytyn fysikaalisen mekanismin puute, joka yhdistäisi ilmakehän signaalit repeämän ydintymiseen, rajoittaa edelleen luotettavien, yleistettävien ennustajien kehittämistä kolmen päivän horisontilla.

— Päivitetty 15. toukokuuta 2026