在南加州，每年大约检测到1万次地震。地震比人们想象的更常见。它们在美国中部更频繁地发生，可能是由于废水注入。虽然这些地震中有很大一部分是没有感觉的，但重要的是我们仍然对它们有一些了解。通过获得了解和知识，我们可以确定是什么导致了这些地震，也可以创造预防工具。
这也可以帮助确定未来各种规模的地震，并可以改善社区应对这些地震的方式。由深度学习科学家Thibaut Perol领导的研究团队发现了一种使用人工智能(AI)改进地震探测的方法。该团队将他们的人工智能系统命名为ConvNetQuake。这是第一个被设计用来探测和定位地震的神经网络。这种专门的算法观察被称为地震图的地面运动测量结果。在观察到这些运动之后，它将能够分辨出地面运动只是噪音还是真正的地震。在过去，由于噪音，很难探测到小地震，但使用ConvNetQuake将有可能区分它们。
研究人员还利用俄克拉荷马州的地震活动来测试和训练ConvNetQuake。在他们的观察中，他们发现探测到的地震比俄克拉荷马地质调查局地震目录中记录的地震多17倍。这项特别的研究展示了如何改进该系统来探测美国中部的地震。ConvNetQuake可以应用在这个区域之外。通过对地震活动的有效检测和分类，还可以计算出地震的寿命信息。通过这种方式，该地区的社区可以根据地震发生的速度和可能发生的严重程度进行迁移。
ConvoNetQuake虽然优于其他地震探测方法，但它只能探测到地震，不能提前预测地震。然而，早期发现对我们来说仍然是最好的，因为如果及时疏散该地区，它也可以帮助挽救生命。
