人工智能的核心是奇特的模式匹配：顯示它的數據，無論是某人的臉部照片還是餘震的位置，算法都會試圖找到潛在的模式。就拿面部識別來說，模式是代表一個人面部的像素排列，而在餘震預測中，可以用方程來解釋餘震位置的原因。
研究人員在2018年8月29日發表在《自然》雜誌上的論文中寫道，該算法較為準確的一個原因是它使用了兩個複雜的指標，即最大剪應力變化和馮-米塞斯屈服準則，這兩個指標以前被認為與餘震無關。這些指標通常應用於銅或鋁等可彎曲材料的科學領域，而不用於餘震預測——現在這種情況可能發生了改變。
但不要因為這將從明天開始為人類提供幫助而感到興奮——正如這篇論文的共同作者、哈佛大學研究員Phoebe DeVries表示：“我們離讓它在任何操作層面上發揮作用還很遠。我們認為這是非常鼓舞人心的第一步。”
分享到:
閱讀更多 人工智能快報 的文章
