Sebuah tim peneliti dari divisi ilmu Bumi dan lingkungan di Laboratorium Nasional Los Alamos menggunakan kembali Meta Wav2Vec-2.0, model AI yang dirancang untuk pengenalan suara, untuk menganalisis sinyal seismik dari runtuhnya gunung berapi K?lauea di Hawaii 2018.
Temuan mereka, yang diterbitkan dalam Nature Communications, menunjukkan bahwa kesalahan memancarkan sinyal yang berbeda saat mereka bergeser, pola yang sekarang dapat dilacak AI secara real time. Meskipun ini tidak berarti AI dapat memprediksi gempa bumi, studi ini menandai langkah penting untuk memahami bagaimana patahan bergeser sebelum peristiwa tergelincir.
"Catatan seismik adalah pengukuran akustik gelombang yang melewati Bumi padat," kata Christopher Johnson, salah satu peneliti utama studi tersebut. "Dari perspektif pemrosesan sinyal, banyak teknik serupa diterapkan untuk analisis bentuk gelombang audio dan seismik."
Gempa bumi besar tidak hanya mengguncang tanah — mereka menjungkirbalikkan ekonomi. Dalam lima tahun terakhir, gempa bumi di Jepang, Turki dan California telah menyebabkan kerusakan puluhan miliar dolar dan membuat jutaan orang mengungsi.
Di situlah AI masuk. Dipimpin oleh Johnson, bersama dengan Kun Wang dan Paul Johnson, tim Los Alamos menguji apakah AI pengenalan suara dapat memahami gerakan kesalahan — menguraikan getaran seperti kata-kata dalam sebuah kalimat.
Untuk menguji pendekatan mereka, tim menggunakan data dari runtuhnya kaldera K?lauea Hawaii yang dramatis pada tahun 2018, yang memicu serangkaian gempa bumi selama tiga bulan.
AI menganalisis bentuk gelombang seismik dan memetakannya ke gerakan tanah waktu nyata, mengungkapkan bahwa patahan mungkin "berbicara" dalam pola yang menyerupai ucapan manusia.
Model pengenalan suara seperti Wav2Vec-2.0 sangat cocok untuk tugas ini karena mereka unggul dalam mengidentifikasi pola data deret waktu yang kompleks — baik yang melibatkan ucapan manusia atau getaran Bumi.
Model AI mengungguli metode tradisional, seperti pohon yang ditingkatkan gradien, yang berjuang dengan sifat sinyal seismik yang tidak dapat diprediksi. Pohon yang ditingkatkan gradien membangun beberapa pohon keputusan secara berurutan, menyempurnakan prediksi dengan mengoreksi kesalahan sebelumnya di setiap langkah.
Namun, model-model ini berjuang dengan sinyal kontinu yang sangat bervariasi seperti bentuk gelombang seismik. Sebaliknya, model pembelajaran mendalam seperti Wav2Vec-2.0 unggul dalam mengidentifikasi pola yang mendasarinya.
Bagaimana AI Dilatih untuk Mendengarkan Bumi
Tidak seperti model pembelajaran mesin sebelumnya yang memerlukan data pelatihan berlabel manual, para peneliti menggunakan pendekatan pembelajaran yang diawasi sendiri untuk melatih Wav2Vec-2.0. Model ini dilatih sebelumnya pada bentuk gelombang seismik kontinu dan kemudian disesuaikan menggunakan data dunia nyata dari urutan keruntuhan K?lauea.
Komputasi yang dipercepat NVIDIA memainkan peran penting dalam memproses sejumlah besar data bentuk gelombang seismik secara paralel. GPU mempercepat pelatihan, memungkinkan AI untuk secara efisien mengekstrak pola yang bermakna dari sinyal seismik yang berkelanjutan.
Bisakah AI Memprediksi Gempa Bumi?
Sementara AI menunjukkan janji dalam melacak pergeseran kesalahan waktu nyata, itu kurang efektif dalam memperkirakan perpindahan di masa depan. Upaya untuk melatih model untuk prediksi masa depan dekat - pada dasarnya, memintanya untuk mengantisipasi peristiwa slip sebelum itu terjadi - menghasilkan hasil yang tidak meyakinkan.
"Kita perlu memperluas data pelatihan untuk memasukkan data berkelanjutan dari jaringan seismik lain yang mengandung lebih banyak variasi sinyal alami dan antropogenik," jelasnya.
Terlepas dari tantangan dalam peramalan, hasilnya menandai kemajuan yang menarik dalam penelitian gempa bumi. Studi ini menunjukkan bahwa model AI yang dirancang untuk pengenalan suara mungkin secara unik cocok untuk menafsirkan sinyal yang rumit dan bergeser yang dihasilkan kesalahan dari waktu ke waktu.
"Penelitian ini, seperti yang diterapkan pada sistem patahan tektonik, masih dalam masa pertumbuhan," Johnson. "Studi ini lebih mirip dengan data dari eksperimen laboratorium daripada zona patahan gempa besar, yang memiliki interval pengulangan yang jauh lebih lama. Memperluas upaya ini ke peramalan dunia nyata akan membutuhkan pengembangan model lebih lanjut dengan kendala berbasis fisika."
Jadi, tidak, model AI berbasis ucapan belum memprediksi gempa bumi. Namun, penelitian ini menunjukkan bahwa suatu hari mereka bisa – jika para ilmuwan dapat mengajarinya untuk mendengarkan dengan lebih hati-hati.
Cek Berita dan Artikel yang lain di
Google News
