【热点话题】唐山大地震纪念日——人工智能助力地震预测研究
1976年7月28日3时42分53.8秒，中国河北省唐山丰南一带（东经118.2°，北纬39.6°）发生了强度里氏7.8级（矩震级7.5级）地震，震中裂度11度，震源深度12千米，地震持续约23秒。地震造成242769人死亡，16.4万人重伤，位列20世纪世界地震史死亡人数第二，仅次于海原地震。
唐山，一座上百万人口的工业城市，已经在一场没有任何征兆的特大地震中夷成废墟。
震后，全市96%的住房倒塌，未塌的也损坏严重。 自地震发生后，唐山人就栖身于帐篷、窝棚、简易房中，很多人在砖头压油毡的简易房里一住就达十年之久。震后的唐山怎么办？是就此放弃，还是重新建设？重建的话是选择异地，还是原地重建？
这是满目疮痍的大地，唐山人民在灾难带来的巨大疼痛中，寻找着新的希望。
灾难带给人的尽管是沉重的悲惨，但在灾难之后人类总能重燃希望的曙光。
唐山人民在万千同胞的支持与鼓励下，重新振作精神，开始了灾后的重建工作。
面对一片废墟，讨论、调研、清墟用了4年多时间，直到1980年，救灾任务基本结束，唐山正式开始重建。
10年的重建，重塑了一座城市，修筑了心灵的城墙。简易城市存在了10年，“1986年唐山大地震10周年的时候，市区有98%的居民搬进了新房，1988年10月则全部迁入新居”。人们就是居住在简易房里，开始了唐山的重建。
1977年5月14日，3000多位来自全国各地的专家、技术人员参与制订的《唐山市城市总体规划》通过了国务院的批准，这一规划，后来1982年和1984年两次进行了调整。规划通过后，经过一些试点，“1979年下半年大规模的重建开始了”程才实说。
白天黑夜都在施工，新华道，那时就已经是唐山市的主干道。地震以后，改名为新华道，实行分段建设。以市中心和建设路的交叉口为界，西边为新华西道，东面为新华东道，1985年最终完成建设时，路面宽50米，全长9.55公里，被称为“二十里长街”，也被称为“唐山的长安街”。
《唐山市志》记载，最多的时候一共有11万多来自全国各地的100多个援建单位的工人在唐山施工。据不完全统计，当时施工现场投入的大塔吊200多台，载重车辆2500多辆。建设最快的是1985年建成的龙华小区。
1983年以后“清理得都差不多了”。
1984年4月28日开业的百货大楼是新华道上比较早完工的商业大楼。
程才实认为唐山重建分为三个大的阶段：1978年初至1979年7月，搞试点趟路子；1979年下半年至1984年底，大规模建设；1985年之后，完成扫尾工程。
1986年7月28日，1万多名唐山各界人士聚集在纪念碑广场举行唐山抗震10周年纪念大会，程才实说，“正式宣告唐山重建基本结束”。
1990年11月，唐山市政府因为震后重建工作而获得了联合国人居奖。
唐山带给我们的是唐山人民在灾难面前不屈不挠的意志，和全国人民上下一心，与唐山共渡难关的精神。
“震坏了旧的，我们再盖新的！”
“地震破坏了一座旧唐山，我们会重建一座更美好的新唐山！”
十年的重建让一座崭新的唐山又矗立在冀东大地上。这是一座完全不同于旧唐山的新唐山，是一只“涅椠”的金凤凰。
灾难发人深省，但是对于地球上最可怕的天灾之一，人们一直没有很好的预测办法。而随着科学技术的发展，人工智能的深入学习能力被不断研发，地震的预测有了全新的进展。
Thibaut Perol于2018年2月14日在美国《科学进展（Science Advances）》发表了“地震检测和定位的卷积神经网络（Convolutional neural network for earthquake detection and location）”的文章。文中介绍了采用人工智能AI的深度学习方法成功地提高了地震的检测能力。作者称，他们利用人工智能的卷积神经网络深度学习方法在俄克拉荷马检测出比常规地震目录多17倍的地震，该方法可以在含有噪声的记录中识别地震，这对于深入了解地震和解剖地震具有重要的意义。
2009之前俄克拉荷马每年大约仅有2次三级以上的地震发生，可是2015年地震多达900次以上，尽管去年的地震频度有所下降。这个地区发生的5.8级地震造成了一些地区房屋破坏。这种变化被认为是页岩气开采中水压致裂的废水处理引起，称为诱发地震。这种现象引起了地震学家的极大关注。为研究这些地震，了解发生了什么，调查其根本原因，Thibaut Perol说：“我们需要一个大的、大的地震目录（WE NEED A BIG, BIG CATALOGUE OF EARTHQUAKES）”。
哈佛大学的工程和地球科学部门，Perol和他的同事们提出了利用人工智能来扩大国家地震探测器灵敏度的解决方案。《科学进展》杂志的这篇文章展示了这项技术的有效性--能够在一定时间内检测到17倍以上的地震。该系统称为 Convnetquake。
Perol和他的同事们开发了卷积神经网络识别地震的AI软件，采用了深度学习的方法学习地震数据，比如在俄克拉荷马和威斯康星地区，那里几乎没有地震，只有1947发生的1次地震。与所有的神经网络一样，软件检查输入数据并进行学习，然后找出地震通用特点的模型，一旦发现相像的数据，则识别出这些地震。就像在潮水中发现贝壳一样，发现微小地震。作为副产品，神经网络通过匹配他们创建的模式与历史数据，还可能识别某些地震的粗略位置。
Perol说，“用这种方法我们可以检测到零或负级地震。这些信号，人的眼睛无法识别”。地震学家一致认为该成果“引人注目”，神经网络将最适用于“地方地震监测工作”。在俄克拉荷马可以清楚地显示哪些地方地震活动频率高，这对于深入了解诱发地震，解释诱发地震的成因肯定有帮助。目前地震检测识别非常有效，但是地震的大小和位置的估计也是必要的。AI技术检测应用到地震监测上使地震监测不仅灵敏度大大提高，而且可以在地脉动的噪声中准确识别出小地震，这无疑对于探索地震产生的过程是具有挑战性的。
