Η Τεχνητή Νοημοσύνη στην υπηρεσία της Σεισμολογίας
Abstract
Θέμα προς μελέτη: Πραγματοποιήσαμε ένα πείραμα αναγνώρισης των κυματομορφών που καταγράφει ο Σεισμογράφος του Αρσακείου Πατρών χρησιμοποιώντας το Teachable Machine, ένα online εργαλείο δημιουργίας μοντέλων μηχανικής εκμάθησης χωρίς να απαιτείται κωδικοποίηση.
Ερευνητικό ερώτημα: Σε ποιο βαθμό μπορούμε να εκπαιδεύσουμε ένα Σύστημα Τεχνητής Νοημοσύνης έτσι ώστε να αναγνωρίζει αν μία (άγνωστη για το σύστημα) σεισμολογική καταγραφή είναι σεισμός ή θόρυβος.
Σύντομη περιγραφή μεθοδολογίας: Χρησιμοποιήσαμε την online εφαρμογή Α.Ι. Teachable Machine και ακολουθήσαμε τα παρακάτω βήματα: (i) Δημιουργία δύο κλάσεων, Σεισμός και Θόρυβος, (ii) Τροφοδότηση των δύο δεξαμενών δεδομένων (κλάσεων) με καταγραφές από τον σεισμογράφο μας που περιλάμβαναν Σεισμούς και Θορύβους, (iii) Εκπαίδευση του Συστήματος Τ. Ν., η οποία περιλάμβανε την ανάλυση των δεδομένων, την αναγνώριση των χαρακτηριστικών της κάθε κλάσης και τη δημιουργία μοτίβου, (iv) Αναγνώριση προτύπου, ταίριασμα άγνωστων δεδομένων με τα πρότυπα που έχει δημιουργήσει και λήψη απόφασης για το αν τα υπό έλεγχο δεδομένα παρουσιάζουν την κυματομορφή σεισμού ή θορύβου.
Αναμενόμενα αποτελέσματα: Τα αναμενόμενα αποτελέσματα από την εφαρμογή του πειράματος περιλαμβάνουν τα ακόλουθα: (i) Ακριβή ταξινόμηση: Το σύστημα θα πρέπει να μπορεί να διακρίνει με αρκετή ακρίβεια αν μια νέα καταγραφή αντιστοιχεί σε σεισμό ή θόρυβο. (ii) Βελτίωση με περισσότερα δεδομένα: Όσο περισσότερα δεδομένα χρησιμοποιούμε για να εκπαιδεύσουμε το σύστημα, τόσο θα αυξάνουμε την ακρίβεια και την αξιοπιστία των αποτελεσμάτων του. (iii) Εξάρτηση από την Ποιότητα των Δεδομένων: Η ποιότητα των καταγραφών που χρησιμοποιούμε για την εκπαίδευση του συστήματος επηρεάζει άμεσα τα αποτελέσματα.
Article Details
- How to Cite
-
Κορδά Φ., Ζαχαροπούλου Χ., & Επιβλέπουσα εκπαιδευτικός Σ. Ό. (2025). Η Τεχνητή Νοημοσύνη στην υπηρεσία της Σεισμολογίας. Open Schools Journal for Open Science, 8(1). https://doi.org/10.12681/osj.43606
- Section
- Greece
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution licence that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g. post it to a repository), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
