lstm算力

『壹』 人工智慧，機器學習與深度學習，到底是什麼關系

有人說，人工智慧（AI）是未來，人工智慧是科幻，人工智慧也是我們日常生活中的一部分。這些評價可以說都是正確的，就看你指的是哪一種人工智慧。

今年早些時候，Google DeepMind的AlphaGo打敗了韓國的圍棋大師李世乭九段。在媒體描述DeepMind勝利的時候，將人工智慧（AI）、機器學習（machine learning）和深度學習（deep learning）都用上了。這三者在AlphaGo擊敗李世乭的過程中都起了作用，但它們說的並不是一回事。

今天我們就用最簡單的方法——同心圓，可視化地展現出它們三者的關系和應用。

向左轉|向右轉

人工神經網路（Artificial Neural Networks）是早期機器學習中的一個重要的演算法，歷經數十年風風雨雨。神經網路的原理是受我們大腦的生理結構——互相交叉相連的神經元啟發。但與大腦中一個神經元可以連接一定距離內的任意神經元不同，人工神經網路具有離散的層、連接和數據傳播的方向。

例如，我們可以把一幅圖像切分成圖像塊，輸入到神經網路的第一層。在第一層的每一個神經元都把數據傳遞到第二層。第二層的神經元也是完成類似的工作，把數據傳遞到第三層，以此類推，直到最後一層，然後生成結果。

每一個神經元都為它的輸入分配權重，這個權重的正確與否與其執行的任務直接相關。最終的輸出由這些權重加總來決定。

我們仍以停止（Stop）標志牌為例。將一個停止標志牌圖像的所有元素都打碎，然後用神經元進行「檢查」：八邊形的外形、救火車般的紅顏色、鮮明突出的字母、交通標志的典型尺寸和靜止不動運動特性等等。神經網路的任務就是給出結論，它到底是不是一個停止標志牌。神經網路會根據所有權重，給出一個經過深思熟慮的猜測——「概率向量」。

這個例子里，系統可能會給出這樣的結果：86%可能是一個停止標志牌；7%的可能是一個限速標志牌；5%的可能是一個風箏掛在樹上等等。然後網路結構告知神經網路，它的結論是否正確。

即使是這個例子，也算是比較超前了。直到前不久，神經網路也還是為人工智慧圈所淡忘。其實在人工智慧出現的早期，神經網路就已經存在了，但神經網路對於「智能」的貢獻微乎其微。主要問題是，即使是最基本的神經網路，也需要大量的運算。神經網路演算法的運算需求難以得到滿足。

不過，還是有一些虔誠的研究團隊，以多倫多大學的Geoffrey Hinton為代表，堅持研究，實現了以超算為目標的並行演算法的運行與概念證明。但也直到GPU得到廣泛應用，這些努力才見到成效。

我們回過頭來看這個停止標志識別的例子。神經網路是調制、訓練出來的，時不時還是很容易出錯的。它最需要的，就是訓練。需要成百上千甚至幾百萬張圖像來訓練，直到神經元的輸入的權值都被調製得十分精確，無論是否有霧，晴天還是雨天，每次都能得到正確的結果。

只有這個時候，我們才可以說神經網路成功地自學習到一個停止標志的樣子；或者在Facebook的應用里，神經網路自學習了你媽媽的臉；又或者是2012年吳恩達（Andrew Ng）教授在Google實現了神經網路學習到貓的樣子等等。

吳教授的突破在於，把這些神經網路從基礎上顯著地增大了。層數非常多，神經元也非常多，然後給系統輸入海量的數據，來訓練網路。在吳教授這里，數據是一千萬YouTube視頻中的圖像。吳教授為深度學習（deep learning）加入了「深度」（deep）。這里的「深度」就是說神經網路中眾多的層。

現在，經過深度學習訓練的圖像識別，在一些場景中甚至可以比人做得更好：從識別貓，到辨別血液中癌症的早期成分，到識別核磁共振成像中的腫瘤。Google的AlphaGo先是學會了如何下圍棋，然後與它自己下棋訓練。它訓練自己神經網路的方法，就是不斷地與自己下棋，反復地下，永不停歇。

|深度學習，給人工智慧以璀璨的未來

深度學習使得機器學習能夠實現眾多的應用，並拓展了人工智慧的領域范圍。深度學習摧枯拉朽般地實現了各種任務，使得似乎所有的機器輔助功能都變為可能。無人駕駛汽車，預防性醫療保健，甚至是更好的電影推薦，都近在眼前，或者即將實現。

人工智慧就在現在，就在明天。有了深度學習，人工智慧甚至可以達到我們暢想的科幻小說一般。你的C-3PO我拿走了，你有你的終結者就好了。

『貳』 驍龍888每秒運算多少次

智能手機推動了AI的普及，AI美顏、AI夜景、AI語音助手等功能也讓眾多消費者感受到了AI的樂趣，雷鋒網此前的文章《拯救拍照手殘黨，告別選擇困難！手機AI還有這么多新奇玩法》曾介紹過。

高性能的硬體和靈活易用的軟體都已經准備好，接下來AI創新的核心無疑是開發者。在AI生態的建設上，高通的態度也是開放，包括計劃與開源社區在TVM編譯器方面，以及在GitHub上開源AI模型增效工具包。

今年，高通也在中國舉辦了首屆AI創新挑戰賽。

隨著AI生態的發展和繁榮，會有哪些讓人意向不到的應用？5G+AI又會給哪些領域帶來革新？

『叄』 那些年科幻電影里的黑科技有哪些成為了現實

電影中的2001與現實中的1969

無論是光怪陸離的的星際穿越，還是頹垣敗井的廢土世界，科幻電影架空的時空，一直在努力營造距離感和割裂感拉長時間維度，將觀眾迅速帶入科幻世界。不過，正如火爆的《頭號玩家》，科幻電影的最大價值在於天馬行空描繪出可以跨越銀幕的硬核科幻，人工智慧，作為硬科幻電影的寵兒，充當了填補觀眾探尋未來意義心理溝壑的潤滑劑。

自1965年正式提出人工智慧算起，50多年，AI在好萊塢電影和現實中都取得了長足進步。尤其是大銀幕上，以夢工廠為代表的電影製作公司，塑造了無數出神入化的AI形象，成為普羅大眾對科技崇拜的源泉所在，滿足了人類對未知生活方式的嚮往。

一定程度上，科幻電影也成為科技行業的啟蒙者，行動電話之父馬丁庫帕就承認，他發明第一台行動電話正是受了《星際迷航》中「通訊器」（communicator）的啟發。正如迪斯尼動畫電影中，總會有一個捧哏的話嘮動物角色，人工智慧機器人也是科幻電影的標配。伴隨著電影塑造的經典AI根深蒂固形象，人工智慧被視為下一個從銀幕上走出來的科技。

《星際迷航》中的通訊器

電影2001年：人工智慧飛船邁向木星

現實1969年：登月飛船算力不如手機

1968年一部被譽為「「現代科幻電影技術的里程碑」的電影橫空出世，這就是《2001漫遊太空》，電影將未來鎖定在了33年後的2001年，「發現一號」太空飛船向木星進發執行太空任務。除了飛行員和宇航員，還有一台具有人工智慧、掌控飛船的電腦哈爾9000，哈爾9000被設定為一個永遠不需要關機，從不出錯的人工智慧形象，它可以用自然語言溝通，帶有人類情感和趨利避害的生物屬性。

哈爾9000（圖片引自網路）

哈爾的聲音溫和友善，讓人產生發自內心的暖意，在茫茫太空孤獨旅行，它也成為了人類最好的交流夥伴。

影片大篇幅展示了2001年人工智慧哈爾與人類的互動，比如與鮑曼下國際象棋並輕松贏了對方。它可以毫無障礙的理解人類的語言和情感，甚至能夠在人類躲著自己談話的時候，讀出唇語。在得知自己會被強行關機之後，哈爾還能夠作出先發制人的反應。最終，在殺死三位宇航員之後，哈爾被男主拔出了記憶板。

哈爾與人類下國際象棋（圖片引自網路）

這部電影展現了人們對2001年的暢想，盡管我們距離「未來」已經過去17年，人類仍未實現隨心所欲的漫遊太空，但當時一些接近想像力巔峰的預測已經實現。比如電影出現的iPad、視頻通話的雛型已經普遍使用，甚至iPod的名字都源於電影維修小飛船的名字Pod。

視頻通話（圖片引自網路）

電影中iPad的原型（圖片引自網路）

而哈爾作為人工智慧的雛型也給我們留下了深刻的印象，包括Siri在內的現有語音助手都是對哈爾的一脈相承。

值得一提的是，影片在上映幾個月後，阿波羅11號登陸月球；26年以後的1997年，IBM深藍超級計算機打敗世界排名第一的國際象棋選手加里卡斯帕羅夫，讓深埋電影中的隱喻變為現實。

NASA登月導航計算機算力綜合不如手機（圖片引自NASA）

《2001漫遊太空》寄託了人類開拓星球的思潮，但1968年的現實是，即便登月用的導航計算機主頻也只有2．048MHz，所有登月電腦的性能加起來都不如現在一部手機的運算能力，更不用談人工智慧所需要的強大算力和海量數據的支撐。

80年代到90年代的很多電影很少有揉入硬科幻的人工智慧形象展現，無論是斯皮爾伯格的《人工智慧》還是《機械公敵》、《月球》、《銀河系漫遊指南》AI 機器人 Marvin，電影更多的是披著科幻外衣去對人性復雜的探討，鮮有以科技或科學猜想推動情節。

電影《人工智慧》（圖片引自網路）

集中在2013年到2014年上映的幾部電影，開始繼續從硬科幻的角度探討人工智慧，與此前天馬行空的機器人相比，這些人工智慧形象更加超前，但也更加接近現實。

電影中的2025與現實中的2016

電影2025年：手機女友成為現實

現實2016年：語音識別與人類打平

《星際穿越》大量展示了蟲洞、黑洞、多維空間以及廣袤的星際旅行場景，諾蘭導演甚至邀請到了天體物理領域的頂尖大牛基普索恩擔任影片的科學顧問，保證了影片科幻屬性足夠硬。TARS作為智能機器人的出現帶給觀眾很多亮眼之處。

《星際穿越》中的智能機器人（圖片引自互聯網）

在電影中，TARS會說話能思考，甚至能夠麻溜利索的變形在滔天巨浪撲來之前拯救安妮海瑟薇。在解密引力之謎甚至在五維空間里，TARS都以恪盡職守的高級助理形象出現，高效完成任務指令，可以說缺少TARS，人類的智慧無法完成這項艱巨的太空任務。而重建TARS時，那個幽默度的橋段讓冰冷的機器形象多了一份人性。

《星際穿越》中的智能機器人（圖片引自互聯網）

觀眾偏愛TARS，更多在於，相比於無所不能的機器人，TARS沒有被設定為擬人形象，不銹鋼拼接起來的外觀更符合人類世界設定下的工業產品，與現實更接近。

而約翰尼德普在《超驗駭客》的人工智慧突破就顯得驚世駭俗，你能想像有一天你的軀體死去精神意識卻被保留在互聯網上，而且可以無所不能，《超驗駭客》打造的一流的科幻概念超越了很多硬科幻設定的范疇，將我們能想像到的人工智慧進一步升級，以去實體化的虛擬形態存在。

電影《超驗駭客》（圖片引自互聯網）

在電影中，生化形態的人工智慧高概念讓德普無所不能，與此同時去中心化的生存方式讓他無處不在，如同正在火熱的區塊鏈，這種繁衍形態讓傳統勢力很難通過拔電源將其消滅。

電影《超驗駭客》（圖片引自互聯網）

如果說《星際穿越》和《超驗駭客》還距離我們認為的人工智慧太遠，電影《Her》所打造的智能環境簡直是死宅單身狗的天堂。故事發生在17年以後的2025年，內向宅男西奧多托姆布里遭遇分手後，尋求一款叫做OS1的智能操作系統聊以慰藉，操作系統化身為一名叫做薩曼莎的「女性」（斯嘉麗約翰遜聲），她風趣幽默又善解人意，她學習和進化的速度讓西奧多感到不可思議，甚至能夠幫助以寫情書為本職工作的男主檢查拼寫和語法。

電影《Her》（圖片引自網路）

薩曼莎脫胎於類似蘋果HomePod／亞馬遜Echo這樣的智能音響，以機器人女友的形象對外展示，並以卡片機的終端對外銷售。OS1所代表的人工智慧比17年前的智能音響有了長足的進步，它所有的交互通過自然語言完成，背後有一套完成的養成邏輯，依靠語音、圖像識別和神經網路演算法，能夠與用戶溝通迅速成長，並依靠與數千名用戶「談戀愛」不斷進化，達成完美情侶，可以說這一形象幾乎滿足了人類對未來智能伴侶的所有想像。無疑，在眾多人工智慧形象中，OS1更接近我們真實生活。

OS1幫助男主檢查語法和錯別字（圖片引自網路）

值得一提的是，法國計算機科學家 Pierre 受電影中 AI 作音樂的啟發，研製了一款先進的能作曲的 AI —— Avia，不僅所作曲子出了專輯，應用到重要慶典、NVIDIA GTC 2017中，而且 Avia 還成了國際作曲家。

OS1的終端形態更像目前的智能手機（圖片引自網路）

這是觀眾的反饋，同時也有這足夠牢固的現實基礎。OS1有著足夠強大的演算法和硬體配套，與現實生活中的智能音箱相同的交互邏輯和演化路線，增強了用戶的認同感。

從亞馬遜Echo到OS1還有17年的路要走。

單拿語音識別來說，從1952年貝爾實驗室研製了第一個可十個英文數字的特定人語音增強系統一Audry系統，到2016年微軟發表論文稱語音識別上的技術已經高於專業的人工速記員，達到了與人類同等交流對話的水平，中間走了64年。這背後涉及到的卷積神經網路及LSTM神經網路，以及自由格人機界面聽覺訓練雖非易事，但我們有理由相信17年以後的Echo就是OS1的原型機。

從2001年走到2025年，科幻電影所塑造的人工智慧形象愈發保守，好萊塢電影開始通過與現實接軌的方式應對觀眾的審美疲勞。對應到現實世界，人類的人工智慧則來到了一個集中爆發的階段。在看過了無數個哈爾、Marvin、TARS之後，我們也正在按照電影中的酷炫思路打造活生生的人工智慧。

比如AlphaGo，它是第一個擊敗人類職業圍棋選手、第一個戰勝圍棋世界冠軍的人工智慧程序，和IBM的深藍超級電腦有著同樣舉足輕重的意義，意味著人工智慧的時代從電影銀幕走到現實中來。

人工智慧對弈圍棋（圖片引自谷歌）

Google的AI法寶還不止有AlphaGo，引入NMT神經網路的Google翻譯、會主動管理照片的Google Photo、像OS1跟你聊天的Google Allo、語音助手Google Assistant以及更幫你看到東西的Google Lens都是Google組裝一款超級人工智慧終端的模塊化產品。

而這一切模塊化產品都可以組裝在一款智能手機上，尤其是5G網路帶來的速度和數據支撐，被認為是人工智慧最終爆發增長的終端。隨著移動設備的增加，數據也逐漸海量，尤其是5G時代，大數據的支撐，讓人工智慧有了爆發基礎。

手機中Siri曾經被視為人工智慧在現實中的形象，但爛尾的效果最終讓Siri成為眾人調侃的形象，甚至對消費者對人工智慧產生了負面影響，據一份2016年的調查顯示，只有3％的用戶在公共場合使用過Siri，如此尷尬的數據以至於最後庫克不得不連夜從Google挖人。

手機人工智慧初探

4月4日，蘋果公司宣布，前一天離職的谷歌前搜索兼AI高級副總裁John Giannandrea（約翰詹南德雷）加入蘋果，擔任「機器學習及人工智慧戰略」總負責人，成為蘋果第16位核心管理層高管，直接向CEO庫克匯報。急切的挖人舉動讓蘋果的AI焦慮一覽無遺。

吾家有AI初長成 Jovi初探銀幕夢想

除了蘋果，趕赴人工智慧這波浪潮的手機公司大有所在，並開始為人工智慧打造形象，這裡面還包括打造AI品牌Jovi的vivo，Jovi和哈爾、TARS、Alexa一樣，是駐留在智能手機中的人工智慧。

現在Jovi雖然只是探索AI的第一階段，但卻為人工智慧提供了很好的演化路徑。背靠驍龍AIE（人工智慧引擎），以驍龍神經處理引擎（NPE）軟體框架和神經網路（NN）庫為介面的異構計算方案。其具有廣泛接納性的邏輯，極高的兼容性，精準而龐大的計算力，成為了Jovi AI的推動力，並為消費者量身打造實現智能場景應用的vivo X21手機。

vivo打造的人工智慧想像Jovi

功能上Jovi 助理擁有系統全局級的智慧識屏功能，可以讓用戶的所有操作節點智能化，替代繁瑣重復甚至需要思考的操作，讓我們可以高效管理生活和工作事物。比如在界面中長按一段文字即可觸發識屏功能，該功能會快速識別並智能提取用戶長按的文字信息，然後用戶就可以就此信息進行快速查閱／擴展及相關操作。

Jovi人工智慧

AI應用到相機，Jovi則可以自動識別你的膚質、膚色、性別、年齡，並且會學習你的使用習慣，在你每次自拍的時候為你選擇一種最適合的美顏效果。回望2001年的哈爾，Jovi正在替代它的角色，只不過不是在宇宙飛船，而是一個普通人的生活起居，你定了車票、機票，它會提醒你時間、目的地天氣和機場路況；你上網購買了快遞，它會告訴你快遞單號是多少並一鍵幫你快速查詢物流；如果你喜歡看球賽，它會幫你跟蹤歐冠和NBA賽事；它能在你出行前，為你安排行程。

Jovi人工智慧

我們可能習慣了手機作為一個冰冷的連通機器，但Jovi賦予了機器血肉，Jovi能夠不斷地學習，就像是一個有血有肉的夥伴一樣，認識越久就越懂你的需求，隨時給你最好的生活建議，並打理好了生活的一切。

未來，你和手機不再是簡單的交互，而是養成關系，Jovi所代表的人工智慧可以被養成高效貼心的商務管家，也可以被養成為體貼入微的女友。它不會隨著你更換設備而丟失，正如《超驗駭客》中的德普一樣，跟隨互聯網隨遇而安。現在Jovi所代表的手機人工智慧，正在朝《Her》中的2025年走去。

盡管霍金臨終前曾警告人類要警惕人工智慧，但他仍然承認「創造AI的成功可能是我們人類文明歷史上最大的事件，我們生活的每一方面都會因為人工智慧改變。」

我們會在「綠洲」里匯聚，還是在2049相遇

時間隨著電影往前走，在《銀翼殺手2049》中的2049年，城市已經失控並崩潰。虛擬人工智慧喬伊成為復制人K慰藉的對象，在2049年依靠全息投影投射成像的虛擬人可以隨意出售，除了沒有實體，她已經完全和人類無異，情商智商超高也更為體貼，成為不少宅男傾慕的對象。

電影（銀翼殺手2049）中的虛擬投射人工智慧（圖片引自網路）

作為一款成熟的人工智慧產品，我們在電影里見證了喬伊從機械裝置投影到投影設備移動化全新升級的過程。盡管很多人認為復制人是鬼扯，但這個投射裝置的升級讓不少人認為在2049年更容易實現。距離2049還有21年，依靠現有的人工智慧基礎，我們相信喬伊真的有可能在2049年從銀幕走出來與我們相遇。

可移動版喬伊（圖片引自網路）

無獨有偶，斯皮爾伯格在《頭號玩家》中也將2045年設定為世界崩潰的邊緣，眼花繚亂的VR世界讓快要涼了的VR廠商起死回生，終於有了用例可以背書。人工智慧也好，VR也好，都是科技高速發展的終極產物，或許那天世界依舊運轉良好，我們和朋友在「綠洲」里相聚，回家在2049里纏綿。

藝術來源於生活而高於生活，科幻電影則完全源於天馬行空的想像，科幻與現實看似兩條平行的世界，我們深信二者的時間線和想像力最終會因為不懈努力在未來交匯在一起，這一天我想並不遙遠。

『肆』 機器學習可以預測匯率變化嗎

◆◆◆真極客有鈦度◆◆◆

據統計，被地震奪走生命的人員數目十分可怕。每年大約有一萬人死於地震和震後災難，但實際的傷亡人數可能更多。2004年，蘇門答臘島海岸有超過230,000人在九級地震引起的海嘯中喪生；2010年，超過200,000人死於海地七級地震；1556年，中國超過800,000人在一次地震中死亡。

因此，我們期待著一個頗有成效的地震預測方法。

在新墨西哥洲洛斯阿拉莫斯國家實驗室里，Bertrand Rouet-Lec和他的幾個夥伴前段時間發現了一個相當驚人的秘密。他們訓練了一個機器學習演算法，讓演算法僅依靠那些由壓力所產生的聲音，去觀察實驗室地震即將發生時所顯現的跡象。這個團隊還不確定這一技術能否用於現實地震的預測，因此他們表現得十分謹慎；但是他們的這項技術和工作確實為地震預測領域的研究開辟了一條新路徑。

我首先來介紹一些相關的背景信息。長期以來，地質學家們都是可以預測出地震風險發生的近似概率，他們使用的方法是找出歷史上地震斷層的移動時間，憑借其中顯現出來的一些周期性，來大致預測未來的斷層移動時間。

其中最有名的例子包括加州帕克菲爾德的聖安格烈亞斯斷層——全球被研究得最仔細的斷層之一。據記載，歷史上發生在這里的地震的時間分別是1857年、1881年、1901年、1922年、1934年和1966年。這些數據暗示著在聖安格烈亞斯，大約每22年就會地震一次的模式和規律。

因此地質學家們預測下一次地震將會發生在1988年到1993年之間，再下一次地震就應該是2004年。

這大概就是地震預測所能達到的最好的水平了，在其他的絕大多數地方，震級的誤差會更大。

這樣的預測有利於各種事項的實施，比如在地震多發區建立地震指標；但在地震發生時預防死亡是基本不可能的。因此，預測的時間跨度需要以天為單位，以達到更精準的預測。幾乎沒有證據能證明這種以天為單位的預測是可行的，盡管有很多傳聞表明動物是能夠感知即將發生的地震的。

Rouet-Lec和他的夥伴的工作很可能會對這種現象做出一些改變。通過拉扯一個被夾在兩個積木中間的積木，他們在實驗室里製造了人工地震。在這些積木的接觸面上，他們疊加了一些叫做「斷層泥」的岩石物質混合物，來模擬真實的斷層。

這種人工地震系統到現在已經得到了充分的研究。地質學家從中知道了，當地震即將發生時，「斷層泥」就會開始掉落，並且伴隨著斷切發出「吱嘎」和「噼啪」的聲音——一種特殊的「地震低語」，然後那塊積木就會滑落，並且滑落的時間似乎是有周期性的。

這一系統與真實的地震有著很多相似之處，比如說，滑塊的大小分布與真實地震的大小分布是一樣的，它能產生很多小的滑塊和少數大的滑塊——這種大小分布跟真實的地震一樣，是符合了著名的「Gutenberg-Richter關系」的。因此，地質學家們確信，這個系統至少能模擬一部分現實世界的行為。

現在為止，存在的疑問是：

斷層發生時發出的聲音能否用來推測下次斷層發生的時間呢？直到現在，還沒有人在這些聲音里發現能夠被用於推測時間的一種固定模式。但是Rouet-Lec已經著手使用一種全新的方法了。

他們記錄了試驗中的所有發出的聲音，然後將其輸入至一個機器學習演算法中。這樣做是為了看看機器能否破解地質學家們現在無法破解的聲音模式。

這一嘗試的結果令人非常驚喜，研究者們將一個聲音的滑動窗口輸入至了演算法中，然後讓它在每個可能發生地震的時刻作出即時預測。令研究者們感到驚訝的是，機器對即將發生的地震都給出了非常精確的預測，盡管有些地震並非是迫在眉睫的。他們說：

「我們只是讓演算法去『聽』實驗室斷層發生時的聲音信號，機器學習就能精確地預測出距離斷層發生前的剩餘時間。」

其實真正的疑惑在於「機器到底是如何做到這一點的呢？」

Rouet-Lec假設地震前體可以比之前預想的要小很多，所以在現實生活中通常不會被記錄下來。機器似乎已經發現了一個全新的信號，這一信號之前被地質學家們誤認為是在實驗室地震中產生的雜音。他們說：「我們的機器學習分析能為『滑移物理』提供新的見解。」

這是一項有趣的、並且具有重要意義的工作。它提出的首要的、最突出的問題是：相同的技術能否精確地預測現實中的地震？

Rouet-Lec和他的團隊對這一方面非常感興趣，他們指出，實驗室的實驗從各種重要的層面來說與現實中的地中都有著很大的不同：實驗中的斷切壓力的震級大於現實地震的震級，而且斷切的岩石的溫度跟現實地震也不同。

但是，在一些其他的層面上，實驗室地震跟現實中的地震還是很相似的。所以，這個團隊的下一個目標就是將這個相同的分析，應用到那些與實驗室地震相似度最高的現實地震中去。帕克菲爾德地震就是其中一個這樣的現實地震，帕克菲爾德在較短的時間內經歷過多次重復地震。團隊表示：「這些斷裂層可能會像在實驗室一樣，發出『地震低語』。」

這個大測試當然將會被用於精確地預測現實中的地震，但這將是是一項需要長年仔細研究、觀察的艱巨任務。

與此同時，這項技術也能應用於類似地震的其他材料的預測，比如說飛機和發電站里的渦輪機。

無論這項新技術被如何應用，Rouet-Lec都已經在地質學界掀起了不小的波瀾。就像他們自己在總結中所說的：「地震科學進步和發展的舞台已經准備就緒了。」

鈦極客∣一個關於黑科技的公號

長按，識別二維碼，加關注