استاد زلزله‌شناسی : نسبت به استفاده از هوش مصنوعی برای پیش‌بینی زلزله خوش‌بین هستیم

پیشرفت فناوری و شناخت زلزله، امید به صدور هشدارهای پیش از وقوع زمین‌لرزه را که نجات‌دهنده جان بسیاری از افراد خواهد بود، به واقعیت بسیار نزدیک کرده‌ است. با این حال، هم‌اکنون آمادگی و ایجاد جوامع انعطاف‌پذیر بهترین دفاع در برابر این بلای طبیعیِ غیرقابل پیش‌بینی است.

 

به گزارش ایرنا، کارشناسان و متخصصان زلزله نسبت به استفاده از هوش مصنوعی در تخمین زمان دقیق وقوع زلزله بسیار خوش‌بین هستند و در آینده‌ای نزدیک کارایی این تکنولوژی‌ها را بسیار بیشتر از امروز پیش‌بینی می‌کنند.

 

۲۰ مهر، روز جهانی کاهش اثرات بلایای طبیعی است و در همین خصوص و با توجه به داغ بودن اخبار مربوط به وقوع زلزله در هرات افغانستان و بخش‌هایی از ایران، گفت و گویی کرده‌ایم با دکتر محمد تارتار، استاد تمام پژوهشگاه بین‌المللی زلزله‌شناسی تا در خصوص استفاده از هوش مصنوعی در پیش‌بینی دقیق‌تر و سریع‌تر زمان وقوع زلزله اطلاعات بیشتری به دست بیاوریم. در ادامه به مشروح این گفت و گو خواهیم پرداخت.

 

محمد تارتار، دارای مدرک دکتری ژئوفیزیک از دانشگاه ژوزف فوریه فرانسه، در خصوص پیشرفت تکنولوژی هوش مصنوعی در سال‌های اخیر و نقش آن در پیش‌بینی زمان دقیق وقوع زلزله به خبرنگار ایرنا گفت: در دنیا و در این زمینه کارهای زیادی انجام می‌شود. همین اخیرا مقاله‌ای خواندم که در آن دانشمندان موفقیت ۷۰ درصدی را در پیش‌بینی دقیق زمان زلزله داشته‌اند و در این تحقیق از هوش مصنوعی کمک گرفته شده بود.

 

وی افزود: یکی از مزایای هوش مصنوعی این است که قدرت پردازش اطلاعات آن خیلی بالاست و ما می‌توانیم اطلاعات زیادی را به آن داده و در زمان بسیار کوتاهی، تحلیل شده آن اطلاعات را دریافت کنیم. ما خیلی وقت‌ها وقتی با داده‌های زیادی سر و کار داریم، اگر قرار باشد افراد آن‌ها را تحلیل و تفسیر کنند، یا حتی از روش‌ها و نرم‌افزارهای معمول استفاده شود، بسیار زمان‌بر خواهد بود.

 

وی همچنین به مزایای دیگر استفاده از هوش مصنوعی به منظور مکان‌یابی زلزله‌ها در کشور و تحلیل داده‌های فراوان این حوزه توسط هوش مصنوعی اشاره کرد و ادامه داد: در زلزله‌های بزرگی مانند ترکیه، اگر می‌خواستیم با روش‌های معمول، داده‌های حدود ۶۰ هزار پس‌لرزه‌ای را که داشتیم، تحلیل کنیم، حدود ۱۰ سال طول می‌کشید اما همین کار را با تکنیک یادگیری ماشینی (Machine learning) طی ۱۰ روز انجام دادیم و رایانه های پرسرعت این کار را برای ما انجام دادند.

 

تارتار همچنین در خصوص اساس کار هوش مصنوعی در حوزه علم زلزله‌شناسی توضیح داد: ما در ابتدا حجم کمی از داده‌ها را بررسی و تحلیل می‌کنیم و با این کار دستگاه‌های رایانه ای هوش مصنوعی آموزش می‌بینند و در مرحله بعد حجم خیلی زیادی از داده‌ها را دریافت و در زمان کوتاهی نتایج را به ما تحویل می‌دهد. هر زمین‌لرزه برای ما حدود ۲۰ دقیقه زمان می‌برد تا بتوانیم آن را به صورت مختصر تحلیل کنیم و شما تصور کنید با ۶۰ هزار پس‌لرزه‌ای که در ترکیه رخ داد می‌خواستیم چه کار کنیم؟

 

وی درباره علائم بروز زمین‌لرزه‌ها و شناسایی آن‌ها هم گفت: هر زمین‌لرزه یکسری پیش‌نشان‌گر دارد که در هر منطقه‌ای که تجهیزات بهتر و به‌روزتری وجود داشته باشد، این پیش‌نشان‌گرها بهتر، سریع‌تر و دقیق‌تر تحلیل شده و نتایج زودتر اعلام می‌شود.

 

تارتار ادامه داد: بعضی از زمین‌لرزه‌ها با پیش‌لرزه همراه هستند، بعضی از زمین‌لرزه‌ها با تغییرات در میزان آب‌های زیرزمینی و بعضی هم با نشانه‌های دیگری بروز پیدا می‌کنند. این اطلاعات وقتی خیلی زیاد باشد، امکان این هست که هوش مصنوعی را با آنها آموزش داده و با توجه به آن‌ پیش‌بینی‌هایی ممکن است صورت بگیرد. بر همین اساس دانشمندان خوش‌بینی‌هایی دارند که به این سمت هر چه بیشتر حرکت کنند.

 

این استاد تمام پژوهشگاه بین‌المللی زلزله‌شناسی در خصوص عملی و موثر بودن این روش‌ها هم تاکید کرد: من به شخصه خیلی خوش‌بین هستم که این تکنولوژی‌ها نه‌تنها در حوزه زلزله، بلکه در بقیه حوزه‌ها هم به کمک ما بیاید. در حوزه پیش‌بینی زمان وقوع زلزله، پردازش‌گرهای قدرتمند هوش مصنوعی ورود کرده‌اند و در آینده‌ای نزدیک بسیار عملی‌تر و موثرتر به کار خواهند افتاد.

 

تارتار خاطرنشان کرد: البته زلزله‌ها پیچیده و با یکدیگر متفاوت هستند و اطلاعات به دست آمده از هر زلزله با زلزله‌ای دیگر ممکن است کاملا فرق داشته باشد، اما این خوش‌بینی وجود دارد که در صورت موجود بودن تجهیزات و دستگاه‌های پیشرفته به منظور ثبت پیش‌نشان‌گرها، بشود آنها را در اختیار هوش مصنوعی قرار داد تا به زمان دقیق وقوع نزدیک‌تر شویم.

 

وی درباره وضع ایران در حوزه زلزله‌شناسی هم با اشاره به کمبودهای بخش‌های مختلف به منظور انجام کارهای مطالعاتی و عملیاتی اضافه کرد: ایستگاه‌هایی که به منظور بررسی پیش‌نشان‌گرها در کشور هستند، انگشت‌شمارند و با آنها کارهای تحقیقاتی را هم به سختی می‌توان انجام داد، چه برسد به پیش‌بینی و ادامه ماجرا.

 

تارتار ادامه داد: ما نیاز داریم که ایستگاه‌های تحقیقاتی زیادی در ابتدا وجود داشته باشند تا بشود داده‌ها و الگوهایی را ثبت و سپس آنها را به هوش مصنوعی بدهند، اما همین ایستگاه‌های اندک هم در ثبت و ضبط اطلاعات نواقص زیادی دارند.

 

وی در نهایت در خصوص اقداماتی که می‌توان در حال حاضر به منظور کاهش خسارات ناشی از بلایای طبیعی در کشور انجام داد هم گفت: کاری که ما می‌توانیم انجام دهیم، این است که مناطق مختلف را به لحاظ پتانسیلی که ممکن است در تجربه زمین‌لرزه داشته باشند، بررسی کنیم و مناطق زلزله‌خیز را مشخص و در ادامه یا سرمایه‌گذاری و ساخت و ساز در آن مناطق انجام نشود یا استاندارهای روز دنیا به منظور بالا بردن ایمنی سازه‌ها در برابر زلزله را اجرا کنیم.

 

تارتار ادامه داد: برای مثال ممکن است در منطقه‌ای که مطالعات علمی نشده و پتانسیل زلزله‌خیز بودن را نداشته باشد، ساخت و سازهای گران‌قیمتی انجام بشود تا آن ساختمان‌ها در برابر زلزله ایمن باشند و برعکس این هم ممکن است اتفاق بیفتد که بسیار خطرناک است. در حال حاضر و در دنیا، اصلی‌ترین عامل کاهش تلفات در برابر زلزله، ایمن‌سازی ساختمان‌ها و مطالعات مفصل در حوزه شناخت مناطق زلزله‌خیز است که در کشور ما متاسفانه جدی گرفته نمی‌شود.