科学家们已经开发出一种人工智能(AI)系统,能够成功地预测地震,这可能有助于为自然灾害做好准备并可能挽救生命。
该研究发表在《Geophysical Review Letters》杂志上,确定了一个导致地震的隐藏信号,并用这个“指纹”来训练机器学习算法预测未来的地震。英国剑桥大学和美国波士顿大学的研究人员研究了地震、前兆地震和断层之间的相互作用,希望开发出一种预测地震的方法。使用模拟实际地震的实验室系统,他们利用机器学习技术来分析来自活动的“故障”的声信号并研究它的模式。研究人员使用钢块严格模拟实际地震中起作用的物理力量,并记录发射出的地震信号和声音。然后利用机器学习来找出来自故障的声信号与失效接近程度之间的关系。
研究人员表示,机器学习算法能够识别声音中的特定模式,这些声音之前被认为只不过是噪音,而它们产生于地震发生的很久之前。他们表示,这种声音模式的特点可以用于对故障的应力进行精确估计,并估计故障之前剩余的时间,随着故障的临近,它们会变得越来越精确。剑桥大学Colin Humphreys 表示,“这是机器学习第一次被用于分析声学数据,以预测何时会发生地震,在地震真正发生的很久之前就做出预测,这样就可以提供足够的报警时间——机器学习的能力真的是不可思议的。”
研究人员表示,机器学习能够处理人工无法处理的、过于庞大的数据集,并以无偏见的方式看待数据,并因此获得新发现。
好文章,需要你的鼓励
博通宣布对VMware Cloud Foundation平台进行重大升级,将私有AI服务集成到核心订阅中,并为vSAN存储虚拟化软件添加云原生对象存储支持。此举旨在满足企业对简化基础设施、高效AI采用和网络安全的需求。升级包括与英伟达合作的VMware Private AI Foundation服务、支持AMD GPU、Amazon S3兼容对象存储、与Canonical合作的Ubuntu容器镜像,以及新的四阶段自动化安全流程。博通还推出了面向高监管行业的VCF网络合规高级服务。
清华大学等多家机构研究团队完成了语音分离技术的全面调研,系统梳理了从传统方法到深度学习的技术演进。研究揭示了"鸡尾酒会问题"的核心挑战,分析了各种学习范式和网络架构的优劣,并通过统一实验框架提供了公平的性能基准。调研涵盖了实时处理、轻量化设计、多模态融合等关键技术方向,为学术界和产业界的技术选型提供了重要参考,推动语音分离从实验室走向实际应用。
Google正式发布Gemini 2.5 Flash Image模型,该模型此前在测试版中被称为nanobanana。新模型为企业创意项目提供更多选择,能够快速修改图像外观并提供比以往模型更强的控制能力。该模型在保持人物相似度和编辑一致性方面表现出色,支持多轮编辑、照片融合等功能,并已集成到Gemini应用中供付费和免费用户使用。
浙江大学和腾讯微信视觉团队发现AI图片生成训练中"时机胜过强度"的重要规律,开发出TempFlow-GRPO新方法。通过轨迹分支技术精确评估中间步骤,结合噪声感知权重调整优化不同阶段的学习强度,将训练效率提升三倍,在复杂场景理解方面准确率从63%提升至97%,为AI训练方法论带来重要突破。