L’IA construite pour la parole décoche désormais le langage des tremblements de terre.
Une équipe de chercheurs de la division des sciences de la Terre et de l’environnement au Los Alamos National Laboratory a réutilisé WAV2VEC-2.0 de Meta, un modèle d’IA conçu pour la reconnaissance de la parole, pour analyser les signaux sismiques de l’effondrement du volcan Kīlauea 2018 d’Hawaï.
Leurs résultats, publiés dans Nature Communications, suggèrent que les défauts émettent des signaux distincts au fur et à mesure qu’ils changent – des modèles que l’IA peut désormais suivre en temps réel. Bien que cela ne signifie pas que l’IA puisse prédire les tremblements de terre, l’étude marque une étape importante vers la compréhension du comportement des défauts avant un événement de glissement.
“Les enregistrements sismiques sont des mesures acoustiques des vagues traversant la terre solide”, a déclaré Christopher Johnson, l’un des chercheurs principaux de l’étude. «Dans une perspective de traitement du signal, de nombreuses techniques similaires sont appliquées à la fois pour l’analyse de la forme d’onde audio et sismique.»
Les grands tremblements de terre ne secouent pas seulement le sol – ils renversent les économies. Au cours des cinq dernières années, des tremblements de terre au Japon, en Turquie et en Californie ont causé des dizaines de milliards de dollars de dégâts et déplacé des millions de personnes.
C’est là que l’IA entre en jeu. Dirigé par Johnson, avec Kun Wang et Paul Johnson, l’équipe de Los Alamos a testé si la reconnaissance de la parole pourrait donner un sens aux mouvements de faute – déchiffrer les tremblements comme des mots dans une phrase.
Pour tester leur approche, l’équipe a utilisé des données de l’effondrement dramatique de 2018 de Kīlauea Caldera d’Hawaï, qui a déclenché une série de tremblements de terre sur trois mois.
L’IA a analysé les formes d’ondes sismiques et les a cartographiées au mouvement du sol en temps réel, révélant que les défauts pourraient «parler» en schémas ressemblant à la parole humaine.
Les modèles de reconnaissance de la parole comme WAV2VEC-2.0 sont bien adaptés à cette tâche car ils excellent dans l’identification des modèles de données complexes de séries chronologiques – qu’ils impliquant une parole humaine ou les tremblements de la Terre.
Le modèle d’IA a surpassé les méthodes traditionnelles, telles que les arbres boostés par le gradient, qui luttent avec la nature imprévisible des signaux sismiques. Les arbres boostés par le gradient construisent plusieurs arbres de décision en séquence, affinant les prédictions en corrigeant les erreurs précédentes à chaque étape.
Cependant, ces modèles luttent avec des signaux continus très variables comme les formes d’onde sismique. En revanche, les modèles d’apprentissage en profondeur comme WAV2VEC-2.0 excellent dans l’identification des modèles sous-jacents.
Comment l’IA a été formée pour écouter la Terre
Contrairement aux modèles d’apprentissage automatique précédents qui nécessitaient des données de formation étiquetées manuellement, les chercheurs ont utilisé une approche d’apprentissage auto-supervisée pour former WAV2VEC-2.0. Le modèle a été pré-entraîné sur des formes d’onde sismique continu, puis affinés en utilisant des données réelles de la séquence d’effondrement de Kīlauea.
L’informatique accélérée NVIDIA a joué un rôle crucial dans le traitement de grandes quantités de données de forme d’onde sismique en parallèle. Les GPU NVIDIA à haute performance ont accéléré une formation, permettant à l’IA d’extraire efficacement des modèles significatifs des signaux sismiques continus.
Qu’est-ce qui manque encore: l’IA peut-elle prédire les tremblements de terre?
Bien que l’IA a été prometteuse de suivre les décalages de défaut en temps réel, il était moins efficace pour prévoir le déplacement futur. Les tentatives pour former le modèle pour les prédictions de quasi-future – essentiellement, lui demandant d’anticiper un événement de glissement avant qu’il ne se produise – a donné des résultats non concluants.
«Nous devons étendre les données de formation pour inclure des données continues d’autres réseaux sismiques qui contiennent plus de variations dans les signaux naturels et anthropiques», a-t-il expliqué.
Un pas vers la surveillance sismique plus intelligente
Malgré les défis des prévisions, les résultats marquent une progression intrigante dans la recherche sur les tremblements de terre. Cette étude suggère que les modèles d’IA conçus pour la reconnaissance vocale peuvent être particulièrement adaptés à l’interprétation des défauts de signaux complexes et changeants génèrent au fil du temps.
«Cette recherche, appliquée aux systèmes de défauts tectoniques, en est encore à ses balbutiements», a déclaré Johnson. «L’étude est plus analogue aux données des expériences de laboratoire que les grandes zones de faille de tremblement de terre, qui ont des intervalles de récidive beaucoup plus longs. L’extension de ces efforts pour les prévisions du monde réel nécessitera un développement supplémentaire de modèles avec des contraintes basées sur la physique. »
Donc, non, les modèles d’IA basés sur la parole ne prédisent pas encore les tremblements de terre. Mais cette recherche suggère qu’ils pourraient un jour – si les scientifiques peuvent l’enseigner à écouter plus attentivement.
Lisez le papier complet, “La reconnaissance vocale automatique prédit le déplacement de la faille du tremblement de terre contemporain», Pour plonger plus profondément dans la science derrière cette recherche révolutionnaire.