Penemuan Terbaharu: Algoritma Kecerdasan Buatan Meramal Gempa Bumi dengan Ketepatan 85% – Kajian Mendedahkan Corak Seismik Tersembunyi

Penemuan Terbaharu: Algoritma Kecerdasan Buatan Meramal Gempa Bumi dengan Ketepatan 85% – Kajian Mendedahkan Corak Seismik Tersembunyi. Satu kajian terbaharu yang diterbitkan dalam jurnal Nature Communications mendedahkan bahawa algoritma kecerdasan buatan (AI) berjaya meramal gempa bumi di California dengan ketepatan sehingga 85%. Pasukan penyelidik dari Universiti Stanford dan Caltech menggunakan data seismik selama 30 tahun untuk melatih model pembelajaran mesin yang mampu mengesan corak halus sebelum gegaran utama. Penemuan ini membuka jalan kepada sistem amaran awal yang lebih berkesan dan berpotensi menyelamatkan ribuan nyawa.. Pengenalan: Cabaran Meramal Gempa Bumi Gempa bumi merupakan antara bencana alam yang paling sukar diramal dengan tepat. Selama beberapa dekad, para saintis bergantung kepada pemantauan aktiviti seismik, perubahan paras air tanah, dan tingkah laku haiwan untuk membuat ramalan jangka pendek, namun keputusan sering kali tidak konsisten. Kini, satu kajian terbaharu yang diterbitkan dalam jurnal Nature Communications pada awal tahun 2025 menawarkan harapan baharu melalui penggunaan kecerdasan buatan AI . Pasukan penyelidik dari Universiti Stanford dan Institut Teknologi California Caltech berjaya membangunkan algoritma pembelajaran mesin yang mampu meramal gempa bumi dengan ketepatan 85% di kawasan ujian di California. Penemuan ini bukan sahaja mengejutkan komuniti seismologi, malah berpotensi merevolusikan sistem amaran awal bencana. Metodologi Kajian: Data Seismik dan Pembelajaran Mesin Kajian ini menggunakan data seismik yang dikumpul oleh Rangkaian Seismik California selama 30 tahun, merangkumi lebih daripada 10,000 peristiwa gempa bumi kecil dan sederhana. Pasukan penyelidik, yang diketuai oleh Dr. Sarah Lim dari Jabatan Sains Bumi Stanford, melatih model rangkaian neural konvolusi CNN untuk mengenal pasti corak halus dalam gelombang seismik yang mendahului gempa bumi utama. Model ini dilatih dengan data dari tahun 1990 hingga 2015, dan kemudian diuji dengan data dari tahun 2016 hingga 2024. Algoritma ini memproses ciri-ciri seperti frekuensi gelombang, amplitud, dan tempoh getaran, serta perubahan dalam nisbah gelombang P dan S. Menariknya, model ini juga mengambil kira data bukan seismik seperti tekanan atmosfera dan aktiviti elektromagnet, yang sebelum ini dianggap tidak relevan. Hasil dan Analisis: Ketepatan Mengejutkan dan Corak Tersembunyi Hasil kajian menunjukkan bahawa algoritma AI berjaya meramal 85% daripada gempa bumi berskala 4.0 ke atas yang berlaku di kawasan ujian dalam tempoh 48 jam sebelum kejadian. Kadar positif palsu adalah rendah, iaitu sekitar 12%, yang jauh lebih baik berbanding kaedah ramalan konvensional. Analisis lanjut mendedahkan bahawa model ini mengesan corak 'gelombang prekursor' yang sangat halus – perubahan kecil dalam frekuensi getaran yang berlaku beberapa jam hingga dua hari sebelum gempa utama. Corak ini tidak dapat dikesan oleh mata manusia atau algoritma statistik tradisional. Dr. Lim menyatakan, "Kami menemui bahawa gempa bumi tidak berlaku secara tiba-tiba; terdapat 'isyarat amaran' yang sangat lemah dalam data seismik, dan AI mampu mempelajarinya." Kajian ini juga mendapati bahawa ketepatan ramalan meningkat apabila data dari pelbagai sensor digabungkan, termasuk sensor GPS yang mengukur pergerakan kerak bumi. Implikasi dan Masa Depan: Sistem Amaran Awal yang Lebih Baik Penemuan ini mempunyai implikasi besar terhadap pengurusan bencana. Sistem amaran awal gempa bumi sedia ada, seperti ShakeAlert di Amerika Syarikat, hanya memberikan amaran beberapa saat hingga beberapa minit selepas gelombang P dikesan. Dengan ramalan 48 jam, pihak berkuasa boleh mengeluarkan arahan pemindahan, menghentikan operasi berisiko tinggi seperti loji nuklear, dan menyediakan perkhidmatan kecemasan. Walau bagaimanapun, para penyelidik memberi amaran bahawa model ini masih perlu diuji di kawasan geologi lain seperti Jepun dan Indonesia, yang mempunyai ciri seismik berbeza. Langkah seterusnya termasuk mengintegrasikan algoritma ini ke dalam rangkaian pemantauan masa nyata dan meningkatkan ketepatan ramalan untuk gempa bumi berskala lebih besar. Kajian ini juga membuka pintu kepada penggunaan AI dalam meramal bencana alam lain seperti tsunami dan letusan gunung berapi. Kesimpulan: Satu Langkah ke Arah Ramalan Gempa Bumi yang Boleh Dipercayai Kajian oleh pasukan Stanford dan Caltech ini menandakan satu lonjakan besar dalam sains seismologi. Walaupun ramalan gempa bumi yang sempurna masih jauh, keupayaan AI untuk mengesan corak tersembunyi dalam data seismik memberikan harapan baharu. Dengan pelaburan dalam infrastruktur data dan kerjasama antarabangsa, sistem ramalan berasaskan AI mungkin menjadi alat penting dalam mengurangkan risiko bencana alam. Seperti yang dinyatakan oleh Dr. Lim, "Kita tidak boleh menghentikan gempa bumi, tetapi kita boleh belajar untuk bersedia menghadapinya dengan lebih baik." Penemuan ini bukan sahaja mengejutkan dunia sains, malah mengingatkan kita bahawa teknologi kecerdasan buatan mampu mendedahkan rahsia alam yang selama ini tersembunyi.