ŞULE GÜNER Depremi öngörmeye dönük yapay zekalı bilimsel çalışmaları, araştırmaları aktarmaya devam ediyoruz. 6 Şubat'ta meydana gelen deprem felaketi nedeniyle sadece biz değil, tüm dünya depreme neden olan etkenleri ele alan yapay zekalı çalışmalara yeniden dile getirmeye başladı. ABD ve Çin'in yanı sıra depremin etkili olduğu Ortadoğu fay hattının uzandığı İsrail'den gelen araştırmalara bir göz atalım.
Daha önce de belirttiğimiz üzere büyük ölçekli bir deprem meydana gelmeden önce iyonesferdeki elektron yoğunluğunda değişimler meydana geliyor. Bizim aktaracağımız çalışmalardaki en düşük ölçekli depremin büyüklüğünün 6,9 Richter ölçeğinde olduğunu belirtelim. Bu üç ülkede yapılan araştırmalar, bize depremden 15 gün öncesinden başlayarak iyon yoğunluğunda değişimler yaşandığını gösteriyor.
MIT'nin Haystack Gözlem Laboratuvarı tarafından 2021'de kamuoyuyla paylaşılan araştırmada Baja, Kaliforniya'da 4 Nisan 2010'da meydana gelen 7,2 büyüklüğündeki depremden 10 gün önce deprem bölgesi ve merkezin üzerindeki iyonosferde bulunan Toplam Electron İçeriği'nde (Total Electron Content- TEC) farklılıklar gözlemlendi. İyonosferdeki elektron içeriğinde ayrışma ve lineer olmayan bir uyum yöntemi kullanan uzmanlar, bu değişimin depremle ilintili olduğunu, zira depremden önce ve sonraki 72 günde bu farklılaşmanın meydana gelmediğini söylüyor.
Çin'deki Doğal Tehlikeler Ulusal Enstitüsü'nde Mayıs 2022'de açıklanan gözlem sonuçları da 22 Mayıs 2021'de Maduo'da 7.4, 8 Ocak 2022'de Menyuan'da ise 6.9 büyüklüğünde meydana gelen depremler öncesinde iyonosfer içeriğinde bir artış olduğunu gösteriyor.
Çin Sismo-Elektromanyetik Uydusu'ndan (Chip Seismo-Electromagnetic Satellite-CSES) alınan verilerle eğitilen veri setinde elde edilen sonuçta, 8 Mayıs 2022'de Maduo'da deprem merkezi üssünden 680 km öteden itibaren iyonosfer içeriğinde bir yoğunlaşma olduğu görülüyor. Aynı şekilde Menyuan deprem merkez üssünden 120 km öteden itibaren 28 Aralık 2021 ve 2 Ocak 2022 tarihlerinde iyonosfer içeriğinde yoğunlaşma gözlemlenmiş.
Son olarak İsrail'deki Ariel Üniversitesi, Türkiye merkezli Ortadoğu'yu da etkileyen depremin ardından üzerinde çalıştığı araştırmayla ilgili yeniden bir iddiada bulundu. Yine iyonosferdeki TEC değerlerine bakarak makine öğrenmesiyle bir algoritma üzerine çalışan araştırmayı yürüten Dr. Yuval Reuveni, sismik aktiviteleri yüzde 83'e varan doğruluk oranında öngörebildiklerini söyledi. Bu yaklaşım, son 20 yıldır iyonosferdeki TEC değerlerini incelemek üzerine kurulu.
Reuveni, geliştirdikleri bir dizi algoritmalar üzerinde son birkaç yıldır çalıştıklarını ve depremin olma şekil-yöntem-ilişki bağlamlarında önemli sonuçlar elde ettiklerini belirtiyor. İsrailli bilimadamı, doğru olumsuz öngörülerde yüzde 85.7, doğru pozitif öngörülerde yüzde 80 başarı oranına ulaştıkları, bu sonuçları 48 saat içinde söyleyebildiklerini ileri sürüyor.
TÜBİTAK'tan altı ek istasyon
TÜBİTAK MAM Yer Bilimleri Araştırma Grubu, "Gaziantep İli Sismik Tehlike ve Risk Değerlendirmeleri" projesi kapsamında bölgede iki yıldır işletilen yedi sismoloji istasyonuna ek altı yeni istasyonu Akdeniz, Güneydoğu ve Doğu Anadolu bölgelerindeki 11 ili etkileyen depremlerden sonra hızla devreye aldı. Bu istasyonlardan elde edilen bilgilerle yapay zeka algoritmaları değinilecek.
Acilen kurulan sismolojik ve GPS gözlem ağları sayesinde faylanmanın (kayaçların bir düzlem boyunca gözle görülecek derecede kayma göstermesi) yeryüzünde görünmeyen boyutunun belirlenmesi, faylanma sonucunda ortaya çıkan büyük artçılarla yakın faylar üzerinde oluşabilecek deprem olasılığının modellenmesi için bilgi elde edilecek.
Gaziantep Büyükşehir Belediyesi ile yaptıkları çalışmalar kapsamında bölgede halihazırda 7 istasyonun çalıştığını aktaran TÜBİTAK MAM Yer Bilimleri Araştırma Grubu'ndan kıdemli başuzman araştırmacı Doç. Dr. Mehmet Ergin, Kahramanmaraş merkezli ilk depremden sonra da ekibin hızlıca yola çıktığını ve bölgeye altı istasyon daha yerleştirdiğini, şu an 13 istasyonun merkeze anlık veri aktardığını kaydetti.
Ergin, DEPAR çerçevesinde yaptıkları çalışmalarda AFAD, Kandilli Rasathanesi ve Deprem Araştırma Enstitüsü'nün istasyonlarını da göz önüne alarak artçı deprem dağılımlarını çok daha iyi şekilde ele aldıklarını dile getirdi.
İki depremden etkilenen bölgede dört günde depremlerin dağılımına ilişkin elde ettikleri veriye değinen Ergin, depremleri artık insan gücüyle değil, yapay zeka algoritmaları sayesinde çok hızlı biçimde güncel olarak çözümlediklerini, çalışmalarla faylar konusunda çok daha detaylı bilgiler elde edeceklerini kaydetti.
Bağış bahanesiyle dolandırıcılığa yapay zekâ ile tespit
TÜBİTAK Bilişim ve Bilgi Güvenliği İleri Teknolojiler Araştırma Merkezi (BİLGEM) araştırmacıları, Kahramanmaraş merkezli depremlerin ardından "bağış" ve "yardım" bahanesiyle sosyal medyada resmi kurumların adını kullanarak artan dolandırıcılığın önüne geçmek amacıyla yapay zeka destekli sistem geliştirdi.
"Asrın felaketi" olarak nitelenen Akdeniz, Güneydoğu ve Doğu Anadolu bölgelerindeki 10 ili etkileyen depremlerin ardından sosyal medyada bağış ve yardım adı altında dolandırıcılık girişimlerinin artması üzerine TÜBİTAK BİLGEM araştırmacıları kolları sıvadı.
Anadolu Ajansı'na göre, araştırmacıların 11 kişilik bir ekiple iki gün içerisinde hayata geçirdikleri sistem, Bilgi Teknolojileri ve İletişim Kurumu (BTK) ile diğer ilgili kurumların kullanımına sunuldu.
"Twitter Veri Analizi ile Dolandırıcılık Tespiti" adı verilen ve şu an sadece Twitter üzerinde çalışan yazılım, "AFAD", "Kızılay", "AKUT", "AHBAP" gibi anahtar kelimelerin geçtiği tweetleri tarayarak içerisinde yer alan İBAN'ların ilgili kurumlara ait olup olmadığını kontrol ediyor.
Yardım toplama izni olmayan hesap numaraları yazılım tarafından "şüpheli" olarak işaretlenip kullanıcıya gösteriliyor.
BİLGEM'de uzman araştırmacı olarak görev yapan İlknur Dönmez, bazı kötü niyetli kişilerin sosyal medyada yardım kuruluşlarının adını kullanarak kendi hesap numaralarına para yatırılmasını talep ettiğinin ortaya çıktığını söyledi.
TÜBİTAK'ın konuyla ilgili kendilerinden bir program yapmasını istediğini belirten Dönmez, bunun üzerine anahtar kelimeler kullanarak resmi kurumlara ait olmayan İBAN'ların yer aldığı Twitter paylaşımlarını belirleyebilmek için hızlıca çalışmaya başladıklarını kaydetti.
Dönmez,"Bir web servisi üzerinden dışarıdan erişime açtık. Programa BTK erişiyor ve bizim şüpheli olarak işaretlediğimiz tweet'lerin gerçekten şüpheli olup olmadığını kontrol edip bununla ilgili gerekli işlemleri yapıyorlar" diye konuştu.
Dönmez, şöyle devam etti: "Öncelikle resimleri optik tarama sistemlerinden geçirip metne dönüştürüyor. Böylelikle hem metinde hem de resimde olan AFAD, AKUT, Kızılay, AHBAP gibi anahtar kelimeleri buluyor. Bunun yanında varsa IBAN'ları çıkarıyor. Daha sonra o IBAN'ların ilgili kurumlara ait olup olmadığı kontrol ediliyor. Bir uyuşmazlık varsa bunlar sistem tarafından şüpheli olarak işaretleniyor. Böylece programı kullanıcısının şüpheli tweetleri görmesi sağlanıyor. İçerisinde anahtar kelimeler bulunan 1 milyon 500 bin tweet tarandı. Bunlardan bin tanesi şüpheli olarak işaretlendi."