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
随着大语言模型在人工智能时代展现强大力量,可穿戴设备成为收集人体数据的重要载体。通过实时监测血压、心率、血糖等生命体征,结合AI边缘计算能力,医疗正向个性化转型。基因治疗、数字孪生技术让每个人都能拥有专属的医疗数字化身,实现从"报销型医疗"向"创新循证医疗"的转变,为疾病预防和健康管理带来革命性突破。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
在巴黎举办的欧洲开放基础设施峰会期间,专门用一整天时间讨论VMware迁移问题。博通收购VMware后许可证价格上涨,导致客户运营成本大幅增加。开源开发者展示了将VMware虚拟机迁移到开源替代方案的产品。Forrester分析师指出VMware客户对此感到信任破裂。OpenStack等开源解决方案虽然复杂度较高,但提供了健康的开源生态系统替代方案。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。