แผ่นดินไหวสามารถทำนายได้จริงหรือไม่? AI ได้ยิน "เสียงกระซิบก่อนแผ่นดินไหว" ─ มหาวิทยาลัยเกียวโตท้าทาย "โลกก่อนไม่กี่วินาที"

AI สามารถตรวจจับแผ่นดินไหว "ล่วงหน้าไม่กี่วินาที" ได้หรือไม่

――การทำให้ "ลางบอกเหตุ" มองเห็นได้โดยมหาวิทยาลัยเกียวโต และความหวังกับความระมัดระวังที่ตามมา

"การสามารถทำนายแผ่นดินไหวล่วงหน้าได้" ――เป็นความฝันที่มนุษยชาติถือครองมาอย่างยาวนาน
แต่ในความเป็นจริง พฤติกรรมแปลกๆ ของสัตว์หรือ "เมฆแผ่นดินไหว" ซึ่งเคยถูกมองว่าเป็น "ลางบอกเหตุ" ขาดการสนับสนุนทางวิทยาศาสตร์ และในปัจจุบันวิทยาศาสตร์แผ่นดินไหวถือว่า "แผ่นดินไหวใหญ่เกิดขึ้นแทบไม่มีลางบอกเหตุ"ฟิซิโอโลร์ก

การวิจัยล่าสุดที่ทีมวิจัยของมหาวิทยาลัยเกียวโตประกาศในเดือนพฤศจิกายน 2025 ได้สร้างรอยร้าวเล็กๆ ในความเชื่อนี้ พวกเขาใช้เครื่องมือทดลองหินขนาดใหญ่ในระดับเมตร และนำข้อมูลเข้าสู่การเรียนรู้ของเครื่อง ทำให้สามารถตรวจจับสัญญาณที่อ่อนมากซึ่งปรากฏขึ้นเฉพาะก่อนเกิด "แผ่นดินไหวในห้องทดลอง" เท่านั้นฟิซิโอโลร์ก

การทดลองใน "รอยเลื่อนเทียม" ขนาดเมตร

เวทีการวิจัยคือเครื่องทดสอบหินขนาดเมตรที่สร้างขึ้นเพื่อจำลองพฤติกรรมที่ใกล้เคียงกับรอยเลื่อนจริงๆ โดยการกดบล็อกหินเข้าด้วยกันอย่างแรงและค่อยๆ เลื่อนให้เกิดสภาพที่ "ลื่น" ยากด้วยแรงเสียดทาน เมื่อถึงจุดที่เกินขีดจำกัด หินจะลื่นไถลอย่างรวดเร็วและเกิดการสั่นสะเทือน นี่คือ "แผ่นดินไหวแบบสติ๊ก-สลิป" ที่ถูกจำลองในห้องทดลองฟิซิโอโลร์ก

เครื่องมือนี้ติดตั้งเซ็นเซอร์ความไวสูงหลายตัวที่บันทึกการเปลี่ยนรูปของหิน เสียง (การปล่อยเสียง) และการเปลี่ยนแปลงของแรงเฉือนด้วยความละเอียดสูงทางเวลา การวิจัยนี้ใช้การเรียนรู้ของเครื่องเพื่อค้นหาว่า "ในช่วงไม่กี่วินาทีถึงไม่กี่สิบวินาทีก่อนเกิดแผ่นดินไหว มีการเปลี่ยนแปลงที่โดดเด่นซ่อนอยู่ในข้อมูลที่ไหน"ฟิซิโอโลร์ก

กุญแจสำคัญคือการเปลี่ยนแปลงของความเครียดใน "พื้นที่ที่ลื่นไถลอย่างเงียบๆ"

แม้ว่าในอดีตจะมีการรายงานว่าการเรียนรู้ของเครื่องสามารถทำนายเวลาของแผ่นดินไหวได้อย่างแม่นยำในระดับการทดลองขนาดเซนติเมตร แต่รอยเลื่อนธรรมชาติมีขนาดใหญ่และโครงสร้างซับซ้อนมากกว่า ดังนั้น "การทำนายในระดับการทดลองที่ใหญ่ขึ้นได้หรือไม่" จึงเป็นคำถามใหญ่ฟิซิโอโลร์ก

ทีมมหาวิทยาลัยเกียวโตได้เปรียบเทียบข้อมูลการทดลองกับการจำลองเชิงตัวเลขของแบบจำลองทางฟิสิกส์เพื่อค้นหาว่าการเรียนรู้ของเครื่องใช้ "เบาะแส" อะไร ผลลัพธ์พบว่าการเปลี่ยนแปลงของแรงเฉือนใน "พื้นที่ที่ลื่นไถลอย่างช้าๆ" หรือ "พื้นที่คริป" เป็นสัญญาณสำคัญก่อนการทำลาย ไม่ใช่ความเครียดเฉลี่ยของรอยเลื่อนทั้งหมดฟิซิโอโลร์ก

กล่าวอีกนัยหนึ่ง AI สามารถรู้สึกถึงการที่ความเครียดค่อยๆ เข้าใกล้ขีดจำกัดในพื้นที่ที่ดูเงียบสงบจากภายนอก ความรู้นี้กำลังเปลี่ยนมุมมองการวิจัยแผ่นดินไหวจาก "การมองรอยเลื่อนโดยเฉลี่ย" ไปสู่การให้ความสำคัญกับ "พื้นที่ที่ลื่นไถลอย่างไร"ฟิซิโอโลร์ก

อย่างไรก็ตาม เหตุผลที่ไม่สามารถกล่าวได้ว่า "การทำนายแผ่นดินไหวสามารถทำได้"

สิ่งที่ควรระวังคือ ผลลัพธ์นี้ไม่ได้หมายความว่า "เราสามารถรู้ได้ว่าแผ่นดินไหวใหญ่จะเกิดขึ้นที่ไหนในวันพรุ่งนี้"

• การทดลองเกิดขึ้นในเครื่องมือหินเทียมเท่านั้น

• ขนาดอยู่ในระดับเมตร ซึ่งยังเล็กเมื่อเทียบกับรอยเลื่อนจริง

• ในรอยเลื่อนจริงที่อยู่ลึกลงไปหลายสิบกิโลเมตร ไม่แน่ว่าจะสามารถสังเกตสัญญาณละเอียดแบบเดียวกันได้

มีอุปสรรคหลายอย่าง นักวิจัยเองก็มองว่าเป็น "ขั้นตอนสำคัญในการทำความเข้าใจทางฟิสิกส์เพื่อการทำนายแผ่นดินไหวระยะสั้น" และไม่ใช่ "การใช้งานจริงทันที"ฟิซิโอโลร์ก

ถึงกระนั้น การที่สามารถ "อธิบายกระบวนการทางฟิสิกส์ล่วงหน้าด้วย AI และแบบจำลองทางฟิสิกส์" เป็นจุดสำคัญ การเชื่อมโยงเหตุผลการตัดสินของการเรียนรู้ของเครื่องที่เคยเป็น "กล่องดำ" กับกลไกทางฟิสิกส์ ทำให้สามารถอภิปรายในรูปแบบที่นักแผ่นดินไหวสามารถยอมรับได้ง่ายขึ้นฟิซิโอโลร์ก

เสียง "คาดหวัง" และ "ระมัดระวัง" ที่เกิดขึ้นใน SNS (ปฏิกิริยาที่คาดการณ์ได้)

เมื่อข่าวนี้ถูกเผยแพร่ คาดว่าจะมีปฏิกิริยาต่างๆ บน SNS ที่นี่เราจะจัดระเบียบปฏิกิริยาที่คาดการณ์ได้บางส่วน (ไม่ใช่โพสต์จริง แต่เป็นความคิดเห็นสมมุติเพื่อแสดงแนวโน้ม)

1. กลุ่มที่พูดถึงความหวัง

• "การทำนายแผ่นดินไหวด้วย AI เริ่มมีความเป็นจริง...! ภูมิใจที่เป็นการวิจัยของญี่ปุ่น"

• "แม้จะรู้ล่วงหน้าเพียงไม่กี่วินาทีก็สามารถเพิ่มความแม่นยำในการหยุดลิฟต์หรือชะลอความเร็วของชินคันเซ็นได้"

สำหรับผู้ที่มีประสบการณ์จากแผ่นดินไหวฮันชิน-อาวาจิหรือแผ่นดินไหวใหญ่ทางตะวันออกของญี่ปุ่น ที่มีความต้องการรู้ล่วงหน้าแม้เพียงวินาทีเดียว การวิจัยนี้ถือเป็นแสงแห่งความหวัง โดยเฉพาะอย่างยิ่ง การที่มหาวิทยาลัยญี่ปุ่นเป็นผู้นำทำให้มีความคาดหวังว่า "จะรับผิดชอบในฐานะประเทศที่มีการป้องกันภัยพิบัติ"

2. กลุ่มที่ระมัดระวังต่อ "การรายงานที่เกินจริง"

ในขณะเดียวกัน ก็มีเสียงระมัดระวังที่คาดการณ์ได้เช่นกัน

• "อีกครั้งที่พาดหัว 'AI ทำนายแผ่นดินไหว' อาจถูกนำไปใช้ผิดๆ"

• "ควรบอกให้ชัดเจนว่าการทดลองในห้องทดลองกับแผ่นดินไหวจริงนั้นต่างกันมาก"

เนื่องจากเป็นหัวข้อที่อาจเชื่อมโยงกับข้อมูลการป้องกันภัยพิบัติจากรัฐบาลหรือท้องถิ่น การที่ "พาดหัวที่กระตุ้นความคาดหวังเกินจริง" แพร่กระจายอาจทำให้หลายคนระมัดระวัง คำว่า "AI" เพิ่มความน่าสนใจ แต่ภาพลักษณ์ที่เหมือนเวทมนตร์ของมันก็อาจก่อให้เกิดความเข้าใจผิดได้ง่าย

3. มุมมองของผู้เชี่ยวชาญและวิศวกรในสนาม

ในวงการนักแผ่นดินไหวและวิศวกรป้องกันภัยพิบัติ จะมีการอภิปรายทางเทคนิคที่เข้มข้นขึ้น

• "ต้องการเครือข่ายเซ็นเซอร์แบบไหนเพื่อเก็บข้อมูลการปล่อยเสียงในสนามจริง"

• "สามารถทดสอบโมเดลที่คล้ายกันโดยใช้ข้อมูลจากเครือข่ายแผ่นดินไหวที่มีอยู่ได้หรือไม่"

• "การสอดคล้องกับแบบจำลองทางฟิสิกส์เป็นสิ่งที่ดี ขั้นตอนต่อไปคือการเชื่อมโยงในหลายระดับ"

ที่นี่จะมีมุมมองที่เน้นการปฏิบัติจริงมากกว่า "การสร้างกระแส" โดยเน้นว่า "จะนำไปใช้ในเครือข่ายการสังเกตการณ์และโครงสร้างพื้นฐานจริงได้อย่างไร"

4. ความรู้สึกไม่สบายใจกับ "ทฤษฎี AI อเนกประสงค์"

นอกจากนี้ ยังมีเสียงที่แสดงความรู้สึกไม่สบายใจกับการที่ AI ถูกมองว่าเป็น "เครื่องมืออเนกประสงค์"

• "ไม่ใช่ AI ที่ยอดเยี่ยม แต่เป็นเพราะมีข้อมูลการทดลองและแบบจำลองทางฟิสิกส์ที่ดี"

• "AI เป็น 'ผู้ช่วยในการหาคำแนะนำ' แต่การเข้าใจแผ่นดินไหวเป็นงานของมนุษย์"

การวิจัยนี้เป็นเหมือน "การร่วมกันของ AI และฟิสิกส์" ไม่ใช่การที่การเรียนรู้ของเครื่องวิ่งไปข้างหน้าเพียงลำพัง แต่เป็นการเปรียบเทียบกับการจำลองทางฟิสิกส์เพื่ออธิบาย "ทำไมถึงแม่นยำ" ซึ่งจะมีความคิดเห็นที่ประเมินความสมดุลนี้มากขึ้น

อนาคตที่การวิจัยนี้เปิดทาง

แล้วการวิจัยนี้จะนำไปสู่เส้นทางใดในอนาคต

1. การประยุกต์ใช้กับข้อมูลการสังเกตการณ์
   ก่อนอื่น คาดว่าจะมีการตรวจสอบว่าเทคนิคเดียวกันนี้สามารถนำไปใช้กับข้อมูลการสังเกตการณ์แผ่นดินไหวธรรมชาติได้หรือไม่ โดยการรวมเซ็นเซอร์ที่มีความไวสูงและการสังเกตการณ์ในบ่อเจาะกับเครือข่ายแผ่นดินไหวที่มีอยู่ เพื่อดูว่า "รูปแบบลางบอกเหตุที่เห็นในห้องทดลอง" สามารถตรวจจับได้ในความเป็นจริงหรือไม่

2. การใช้ประโยชน์จาก "ไม่กี่วินาทีถึงไม่กี่สิบวินาทีก่อน"
   แม้ว่าจะสามารถตรวจจับลางบอกเหตุระยะสั้นได้ การทำนายอาจจะเป็นเพียง "ไม่กี่ว