ジェフ・J・ミッチェル / ゲッティイメージズ / WIRED
地震学の聖杯は地震予知です。数年あるいは数十年以内に特定の地域で大きな地震が発生する確率を示す予報ではなく、実際に大きな地震がいつ、どこで、どの程度の規模で発生するかを正確に予測することです。
地震学者は、将来の地震を予知できると主張する者は偽預言者だと断言するでしょう。しかし、だからといって地震予知が不可能だというわけではありません。科学者たちはこの神聖な目標の達成に多大な努力を費やしてきましたが、今のところ成果は上がっていません。
2018年12月、ある研究者連合が新たな試みを決意しました。彼らは誰でも参加できるオンラインコンテストを開催すると発表したのです。参加者は、実験室にある万力のような装置で発生する将来の地震を予測する必要がありました。そして、その予測を行うために、参加者は自ら初歩的な人工知能を設計しなければなりませんでした。
世界中から何千人もの人々がこのコンテストに参戦しました。今月初めに米国科学アカデミー紀要（Proceedings of the National Academy of Sciences）に掲載された論文によると、優勝チームは、将来の実験室地震の時期を驚くほど正確に予測できるコード群を開発しました。
これが現実の断層帯にどれほど適用できるかはまだ明らかではありません。しかし、これらの新しい機械学習モデルの将来性は、地震予測が単なる夢物語ではなく、現実的な可能性であることを示唆しています。優勝者の誰もが地震学のバックグラウンドを持っていなかったことから、このコンテストは、これまで埋もれていた才能を発掘するために、極めて広範囲に網を張り巡らせることのメリットを示しています。その才能こそが、将来何百万人もの命を救うかもしれないのです。
地震は古くから存在していますが、地震学はまだ発展途上です。今日私たちが慣れ親しんでいるような定量的なデータ（マグニチュードや揺れの強さなど）は、それほど長い歴史を持つものではありません。機器を用いた地震学の黎明期は20世紀に入ってからでした。地震を記述した古文書や先住民の知識は、歴史的データの不足を補う上で確かに役立っており、日本のような国では、微動や揺れについて書かれた記録がはるかに古くから残っています。
しかし、地震を適切に研究するには、発生と同時に記録する必要があります。タイムトラベルを発明しない限り、地震学者は（少なくとも他の地球科学者と比べると）、依然としてデータ不足に悩まされることになるのです。
「地震学における観測記録は比較的短いのです」と、地震学研究者コンソーシアムIRISの地震学者、ケイシー・アダーホールド氏は語る。つまり、過去1世紀にわたる大きな進歩にもかかわらず、地震を引き起こす物理学についての私たちの理解は依然として曖昧で、かなり理論的なものだ。
しかし、ある程度、未来を予測するには十分なデータがあります。米国地質調査所のような機関は、過去の地震活動に関する知識と現在の地球物理学的情報を用いて、例えばサンフランシスコ湾岸地域で今後30年以内にマグニチュード7.5の地震が発生する確率は20%であると予測しています。
また、一連の地震の中で最も強い地震である本震に続く余震も予測できます。大きな地震（本震の可能性もある）が発生すると、統計モデルと地震の仕組みに関する合理的な仮定に基づいて導き出された一連の方程式と計算によって、おおよそのマグニチュードを持つ余震が、おおよその回数発生する可能性のある期間（例えば1週間）が算出されます。
これらの計算は非常に堅牢です。しかし、これらは事後的なものであり、事後対応的なため、人間や家屋を揺さぶるショーの主役である本震の予測には使えません。問題は前兆現象の欠如です。地震学者は、本震の発生や規模を明確に示す前兆となる兆候をまだ決定的に特定できていません。
地震予測に関しては、「この分野は長い間停滞期にあり、本格的な成果はほとんど上がっていません」と、カリフォルニア工科大学の地震学者ザカリー・ロス氏は語る。ロス氏は今回の研究には関わっていない。「過去数十年にわたる気候研究者の進歩は実に驚異的ですが、既存の地震予測技術は、その成果が飽和状態にあるように思えます」
そこで登場するのが機械学習です。簡単に言えば、コンピューターコードがデータを吸収し、パターンを識別し、選択や予測を行い、そして誤りから学習して自己修正する能力のことです。しかも、これらはすべて人間の介入をほとんど必要としません。地震学者にとって、これは目新しい技術です。主要な科学会議でその可能性や研究成果について議論し始めたのは、ここ数年のことです。
しかし、それは既に現実世界で活用されています。ロス氏が参加したプロジェクトでは、機械学習を用いて南カリフォルニアの地震記録に埋もれた数百万件もの地震を発見しました。膨大な地震データを入力すると、彼らのソフトウェアはランダムな揺れと、人間には感知できないような本物の地震の揺れを素早く区別できるようになりました。
ニューメキシコ州ロスアラモス国立研究所の地球物理学者で、今回の研究の筆頭著者であるポール・ジョンソン氏は、機械学習が地震予測に役立つ可能性があると考えました。地震学に関する人間の理解に基づいて設計された方程式を使用するのではなく、これらのコードは新たな視点からデータを取り込み、そのデータのみを用いて予測を行うため、潜在的に誤りのある仮定や人間の推測を排除することになります。
以前の研究では、実験室で人工地震発生装置が使用されました。断層ガウジ（自然の断層によく見られる岩石）の塊を鋼鉄のブロックで挟み込み、このブロックを機械的に動かして押したり、押し潰したり、引っ張ったりしました。ブロックにひびが入り、前方への揺れが生じれば、まさに地震が発生したことになります。
ジョンソン氏とその同僚たちは、断層の大きさや特性、断層系が受けている応力と歪み、そしてその結果生じる地震活動に関する一連のデータを提供する機械学習モデルが、将来の地震を予測できるのではないかと考えました。「才能ある若者たちによって、非常に迅速にモデルが開発されました」と彼は言います。彼らは材料科学者と数学者からなるチームです。装置を設置してから数ヶ月のうちに、彼らのソフトウェアは将来の地震の発生時期を非常に正確に予測できるようになりました。
「まさに啓示でした」とジョンソンは言う。「最初は魔法のようでした」。モデルは地震データの中に、断層が崩壊しそうなことを示すエネルギーの兆候をいくつか特定することに成功した。
しかし、もしこれがビデオゲームだとしたら、難易度は「簡単」に設定されていたでしょう。地震は周期的で、つまりかなり定期的に発生していました。機械学習は、自然界で見られるような不規則な地震を処理できるのでしょうか？
1800年代には、研究者同士の科学コンテストが盛んに行われ、裕福な白人たちが互いに批判し合いながら、自らの定理の現実説明力の優秀さを実際に実証しようとしていました。近年の科学コンテストは、問題に対する技術的な解決策を導き出すことに重点が置かれるようになり、通常はチームワークが求められます。
ジョンソン氏と彼の同僚たちは、これが機械学習にも応用できない理由が見当たらなかった。彼らは、機械学習支持者が研究成果を共有するために利用するプラットフォームであるKaggleに目を向けた。Kaggleは過去にもコンテストの開催に利用されており、その中には暗黒物質の検出に挑戦するコンテストもあった。2018年末、彼らは挑戦状を叩きつけた。彼らの研究室に設置した断層マシンで2019年前半の地震をシミュレートする予定で、人々が独自に開発した機械学習モデルを使って地震の発生時期を予測しようとしたのだ。上位5チームには賞金5万ドル（3万6000ポンド）が授与される。
最終的に4,521チームが参加し、5,450人が参加しました。その経歴は実に多岐にわたり、モバイルゲームから漫画家、保険外交員から心臓や脳が発する電気信号を研究する人まで、実に多岐にわたります。チームはまず、地震信号、地震のタイミング、断層が受けるせん断応力などのトレーニングデータを用いてモデルを構築しました。その後、1日に最大2つのモデルを審査員に提出し、審査員は地震データのみを受けながら、装置が地震を予測する能力を競わせました。予測の精度に基づいてスコアが与えられました。
上位5チーム（GloryorDeath、Reza、Character Ranking、JunKoda、The Zoo）は、地震予測の達人となりました。1位を獲得したThe Zooは、アメリカとヨーロッパ出身の8人のメンバーで構成され、顔見知りと全くの初心者が入り混じったチームでした。混乱の可能性があったにもかかわらず、巧みなハッキングによって見事1位を獲得しました。
一つ目は、訓練データだけでなく試験データも用いてモデルを構築することでした。これにより、試験は単なる疲労困憊の試練ではなく、教育的な体験となります。ジョンソン氏によると、一部の分野ではこれは不正行為とみなされるでしょう。しかし、現実の機械学習はこのように機能します。訓練データセットと実際の地震の経験から学習するのです。
2つ目の受賞機能は、直感に反すると同時に、非常に独創的でした。データストリームにノイズを投入したのです。交通、風、海、動物、歩行者などによって発生するノイズは、地震学者にとって忌避すべきものです。地震を検知するためにノイズを除去する必要があるからです。なぜこれがモデルの精度向上につながったのかは、実のところ明らかではありません。「人々が行うことの中には、ただうまくいくだけのものもあり、その理由を必ずしも理解しているわけではありません」とジョンソン氏は言います。一つの可能性として、モデルに訓練と学習のためのデータを与えているだけかもしれません。結局のところ、練習は完璧をつくります。
驚くべきことに、受賞者の誰もが地震学のバックグラウンドを持っていなかった。審査員たちはこの事実に動揺しただろうか？ 全くそうではないと、パデュー大学の天文学者で物理学者であり、論文共著者でもあるローラ・ピラック＝ノルティ氏は言う。「私たちにとって、これは非常に刺激的な実験でした。」そして、高度な協力体制の中で真の進歩が達成されたことは、孤独な天才という苛立たしい神話を歴史に葬り去るのに役立つだろうと、アダーホールド氏は言う。
機械学習は、太平洋岸北西部のカスケード沈み込み帯において、既に予測能力を発揮しています。「スロースリップ」と呼ばれる非常に緩やかな断層運動から発生する地震の音を12年間にわたって聴取した結果、ノイズの多い部分にパターンを見つけ出し、次のスロースリップを予測することができました。これは、曲のビートがいつ始まるかを知るのと似ています。
次のステップは、比較的静かな断層でこの実験を行うことです。これらの断層は、いつか激しく崩壊して地表を揺るがすでしょう。「私たちは今まさにその真っ只中にいて、結果がどうなるか全く分かりません」とジョンソン氏は言います。
実験室で発生する地震は、本物の断層の簡略化されたバージョンです。つまり、このコンテストでの成功は、機械学習が聖杯を発見したことを意味するわけではありません。しかし、たとえ成功できたとしても、その謎を解くのは容易ではないことは明らかです。「機械学習を用いて実際の地震活動を予測する能力が進歩するかどうかはまだ分かりません」とロス氏は言います。
しかし、地震を予測する方法があるかどうかわからないとしても、地震学者や世界中の新たな仲間たちは、試みを止めない。アダーホールド氏は、ダグラス・アダムスの最高傑作『銀河ヒッチハイク・ガイド』から引用する。「飛ぶには技術、というかコツがある。コツとは、地面に体を投げ出して失敗する方法を学ぶことだ」。地震学者たちは探求の過程で何度も地面に落ちてきたが、それでも空を飛ぶことを夢見ている。
この記事はWIRED UKで最初に公開されました。
