地震は本当に予知できないのか？AIが聞き取った「地震直前のささやき」 ─ 京都大が挑む“数秒前の世界”

AIは地震を「数秒前」に感じ取れるのか

――京都大学が進める“前兆”の可視化と、その先にある希望と慎重論

「地震を事前に予測できるようになる」――これは、人類が長年抱き続けてきた夢です。
しかし現実には、動物の異常行動や「地震雲」など、これまで“前兆”とされてきた多くのサインは科学的な裏付けが乏しく、現在の地震学では「大地震はほとんど前触れなく起きる」と考えられています。フィジオールグ

そんな常識に小さな亀裂を入れたのが、京都大学の研究チームが 2025年11月に発表した最新研究です。彼らはメートルスケールの巨大な岩石実験装置を使い、そのデータを機械学習に読み込ませることで、「実験室内の地震」が起きる直前にだけ現れる、ごく微弱な信号を検出することに成功しました。フィジオールグ

メートル級の「人工断層」で実験

研究の舞台は、現実の断層に近い振る舞いを再現するために作られたメートルサイズの岩石試験機です。岩のブロック同士を強く押し付け、ゆっくりとずらしながら、摩擦で「すべり」にくくした状態をつくる。やがて限界を超えた瞬間、岩は一気に“ガクッ”とすべり、振動が発生します。これが実験室で再現された「スティック・スリップ地震」です。フィジオールグ

この装置には高感度のセンサーが多数取り付けられ、岩の変形や音（アコースティック・エミッション）、剪断応力の変化などが高い時間分解能で記録されます。そこに機械学習を適用し、「地震が起きる直前の数秒～数十秒間に、データのどこに特徴的な変化が潜んでいるのか」を探らせたのが今回の研究です。フィジオールグ

鍵は「静かにすべる領域」のストレス変化

従来も、センチメートルスケールの小さな実験では、機械学習が地震のタイミングを高精度に当てられることが報告されてきました。しかし、自然の断層ははるかに大きく構造も複雑です。そのため、「大きめの実験スケールでも同じように予測できるのか」は大きな疑問でした。フィジオールグ

京都大学チームは、実験データと物理モデルの数値シミュレーションを比較することで、機械学習が何を「手がかり」にしているのかを探りました。その結果、断層全体の平均的な応力ではなく、一部がゆっくりとすべる「クリープ領域」にかかる剪断応力の変化が、破壊直前の重要なサインとなっていることが分かりました。フィジオールグ

言い換えれば、表面的には静かに見える場所で、じわじわとストレスが限界に近づいていく様子を、AIが先に感じ取っている――そんなイメージです。この知見は、「断層を平均的に眺める」従来の考え方から、「どこがどのようにすべっているか」という空間的な偏りに着目する方向へと、地震研究の視点をシフトさせつつあります。フィジオールグ

とはいえ「地震予知ができた」とは言えない理由

ここで注意したいのは、この成果が「明日どこで大地震が起こるか分かるようになった」という意味では全くない、という点です。

• 実験はあくまで人工の岩石装置の中で行われたもの

• スケールはメートル級で、実際の断層に比べればまだ小さい

• 地下数十キロにある本物の断層では、同じような微細な信号を観測できるとは限らない

など、多くのハードルがあります。研究者自身も「短期的な地震予測に向けた、物理的な理解を深める重要なステップ」と位置付けており、「今すぐ実用」というトーンではありません。フィジオールグ

それでも、「直前の物理プロセスを、AIと物理モデルの両方から説明できた」という点は大きい。これまで“ブラックボックス”になりがちだった機械学習の判断根拠を、物理的なメカニズムと結び付けたことで、地震学者が納得しやすい形で議論を進められるようになりました。フィジオールグ

SNSで巻き起こる「期待」と「慎重」の声（想定される反応）

このニュースが報じられると、SNS上では様々なリアクションが飛び交いそうです。ここでは、典型的に想像される反応をいくつか整理してみます（実在の投稿ではなく、傾向を示すための仮想コメントです）。

1. 希望を語るポジティブ派

• 「AIで地震予測が現実味を帯びてきた…！ 日本の研究なのが誇らしい」

• 「避難の数十秒前でも分かれば、エレベーター停止や新幹線減速の精度がもっと上がるはず」

阪神・淡路大震災や東日本大震災の経験から、「一秒でも早く知りたい」という切実な思いを抱える人たちにとって、この研究は強い希望の光として受け止められます。特に、日本の大学が主導している点に「防災大国としての責任を果たしてほしい」という期待が重なります。

2. 「あおり報道」を警戒する冷静派

一方で、こんな慎重な声も想像されます。

• 「また“AIで地震予知”って見出しだけが一人歩きしそう」

• 「実験室の話と、リアルな地震は全然違うってちゃんと伝えてほしい」

国や自治体の防災情報に直結しかねないセンシティブなテーマだけに、「過度な期待をあおる見出し」が拡散することに警戒する人も多いはずです。「AI」というキーワードがつくだけで話題性が増す一方、その魔法のようなイメージが誤解を生みやすい側面もあります。

3. 現場の専門家・エンジニアの視点

地震学者や防災エンジニアの界隈では、より技術的な議論が盛り上がるでしょう。

• 「実フィールドで同じタイプのアコースティック・エミッションを取るにはどんなセンサー網が必要か」

• 「既存の地震計ネットワークのデータを使って、類似のモデルをテストできないか」

• 「物理モデルとの整合性を取ったのはGood。次はマルチスケールでどうつなぐか」

ここでは、“バズ”よりも、「どのように現実の観測網・インフラへ落とし込んでいくか」という実務的な視点が前面に出てきます。

4. 「AI万能論」への違和感

さらに、AIへの期待と同時に、「万能ツール」として扱われることへの違和感を表明する声も想像されます。

• 「AIがすごいんじゃなくて、ちゃんとした実験データと物理モデルがあるからこその成果」

• 「AIは『ヒントを見つける助手』であって、地震を理解するのは人間の仕事」

今回の研究は、まさに「AI＋物理」の協奏曲のようなものです。機械学習だけが独走するのではなく、物理シミュレーションと突き合わせて“なぜ当たるのか”を説明している点がポイントであり、そのバランス感覚を評価するコメントも多くなるでしょう。

この研究が切り開く未来

では、この研究は今後どのような道筋につながっていくのでしょうか。

1. 観測データへの応用
   　まずは、自然地震の観測データに対して、今回と同様の手法を適用できるかどうかの検証が進むと考えられます。既存の地震計ネットワークに加え、より高感度なセンサーやボアホール観測などを組み合わせ、「ラボで見えたような前兆パターン」が現実でも検出できるかが鍵です。

2. 「数秒～数十秒前」の高度利用
   　仮に短期的な前兆が検出できたとしても、予測できるのはおそらく「数秒から数十秒前」といったごく短い時間スケールになると見込まれます。しかし、そのわずかな時間でも、新幹線の自動停止、工場設備の緊急停止、病院での手術中の対応など、社会インフラの側では活かせる場面が多く存在します。

3. 地震リスク評価との統合
   　さらに将来的には、長期的な地震発生確率モデルと、短期的な前兆検出を組み合わせ、「いつ・どこで・どれくらいの被害が起こりうるのか」を多層的に評価する枠組みが模索されるでしょう。その際にも、“AIの出力をブラックボックスのまま使わない”という今回の方針が重要になってきます。
   
   
   

私たちが今、知っておくべきこと

最後に、この記事を読んだ私たちが「今からできること」は何かを整理しておきます。

• 「地震予知ができるようになった」と早合点しないこと
  　今回の成果は、あくまで実験室レベルでの「前兆信号の理解」が進んだという段階です。

• それでも研究の前進を正しく評価すること
  　AIと物理モデルを組み合わせることで、断層の破壊プロセスをより深く理解できるようになったのは確かな前進であり、将来の防災技術につながる重要なステップです。フィジオールグ

• 防災行動の“アップデート”を続けること
  　いかなる予測技術が発達しても、「家具の固定」「非常持ち出し袋の準備」「家族との連絡方法の確認」といった基本的な備えの重要性は変わりません。むしろ、技術の進歩に合わせて私たちの防災行動もアップデートしていくことが求められます。

AIが地震の「ささやき」を聞き取る時代は、すぐそこまで来ているのかもしれません。しかし、その声をどう意味づけし、どのような社会の仕組みに生かすのかを決めるのは、やはり人間です。今回の京都大学の成果は、その議論を一歩前に進めるための、頼もしい材料になったと言えるでしょう。