2010’dan Günümüze Yapay Zeka ile Deprem ve Tektonik Araştırmaları

Yapay zekâ (YZ) ve makine öğrenimi teknikleri, 2010’dan bu yana deprem biliminde ve tektonik araştırmalarda çığır açan gelişmelere yol açmıştır. Gerek dünya genelindeki akademik araştırmalar, gerekse özel sektörün öncülük ettiği projeler sayesinde deprem verilerinin analizinde ve deprem davranışlarının öngörülmesinde önemli başarılar elde edilmiştir. Bu raporda, dünya genelindeki ve Türkiye’deki çalışmaları ayrı başlıklar altında ele alıyoruz. Her bir bölümde, çalışmaların kimler tarafından yürütüldüğü, hangi yöntemleri kullandığı, hangi başarıların kaydedildiği ve gelecek hedeflerinin neler olduğu detaylı bir şekilde incelenmiştir. Rapor boyunca, ilgili çalışmalara dair güvenilir kaynaklardan alınmış bilgiler köşeli parantez içindeki kaynak numaraları ile desteklenmiştir.

Dünya Genelinde Akademik Çalışmalar

Öncü Araştırma Ekipleri ve Kurumlar

Dünya genelinde birçok üniversite ve araştırma merkezi, deprem verilerini yapay zekâ ile inceleyen projelere imza attı. Harvard Üniversitesi, MIT ve Stanford Üniversitesi gibi önde gelen kurumlar, deprem sismolojisinde makine öğrenmesi kullanımının öncüsü oldular. Örneğin, 2018’de Harvard ve MIT’den bir araştırma ekibi deprem tespiti için ConvNetQuake adını verdikleri derin öğrenme modelini geliştirdi (​techxplore.com). Bu model, Oklahoma’daki küçük depremleri tespit etmede o güne dek kullanılan yöntemlere kıyasla 17 kat fazla deprem tespit ederek büyük ses getirdi​ (techxplore.com). Yine Stanford Üniversitesi’nden Gregory Beroza ve ekibi, sismik kayıtlardaki en ufak sinyalleri dahi yakalayabilen derin öğrenme modelleri geliştirdiler. 2020 yılında Nature Communications dergisinde yayınlanan bir çalışmada, Mostafa Mousavi ve meslektaşları Earthquake Transformer adını verdikleri bir yapay zekâ modelinin, çok zayıf mikro-depremleri dahi tespit edip konumlandırabildiğini gösterdiler​ (earth.stanford.edu​) (earth.stanford.edu). Bu sayede milyonlarca küçük deprem “gün ışığına” çıkarılarak bilim insanlarının kullanımına sunuldu. Stanford ekibi, bu yeni nesil algoritmalar sayesinde depremlerin fay boyunca nasıl yayıldığı, nasıl başladığı ve hatta nasıl durduğu konusunda daha net bir resim elde etmeye başladıklarını belirtmektedir​ (earth.stanford.edu).

Diğer taraftan, Los Alamos Ulusal Laboratuvarı (LANL) ve California Teknoloji Enstitüsü (Caltech) gibi kurumlar da yapay zekâyı deprem fiziğine uygulayan araştırmalarda başı çekti. 2017’de LANL’den Paul Johnson liderliğindeki ekip, laboratuvar ortamında oluşturulan “yapay fay” üzerinde çalışarak akustik sinyaller yardımıyla depremlerin ne zaman gerçekleşeceğini tahmin etmeye çalıştı (​ladailypost.com). Bu çalışma, makine öğreniminin laboratuvar depremlerinin zamanlamasını yüksek bir doğrulukla öngörebildiğini gösterdi. Deneylerde faydan gelen sürekli ses sinyallerini “dinleyen” bir algoritma, fay kırılmadan önceki kritik ipuçlarını yakaladı ve her bir deneysel depremden önce kalan süreyi tahmin edebildi​ (ladailypost.com). Bu başarı, deprem fiziğinde daha önce “gürültü” olarak görülen zayıf sinyallerin aslında önemli öncü işaretler olabileceğini ortaya koydu​ (ladailypost.com).

Akademik Başarıların Özeti: Aşağıdaki tabloda, dünya genelinde akademik camiada öne çıkan bazı yapay zekâ destekli deprem araştırmaları özetlenmiştir:

Araştırma (Yıl)	Yürütenler (Kurumlar)	Yöntem ve Amaç	Başlıca Sonuçlar
ConvNetQuake (2018)	Thibaut Perol vd. (Harvard, MIT)	Derin CNN ile sismogramlarda deprem sinyali tespiti	Oklahoma’da kataloglanmamış birçok mikro-depremi yakaladı; resmi katalogun 17 katı deprem saptadı​techxplore.com.
Aftershock Prediction (2018)	Phoebe DeVries, Brendan Meade (Harvard) + Google AI	Yapay sinir ağı ile artçı deprem yerinin tahmini	Artçıların lokasyonunu mevcut Coulomb stres modelinden belirgin şekilde daha iyi öngördü​weforum.org​weforum.org.
LabQuake ML Forecast (2017)	Paul Johnson vd. (LANL)	Makine öğrenme ile laboratuvar fayında deprem zamanını tahmin	Akustik sinyallerden yola çıkarak “deneysel deprem” zamanını yüksek doğrulukla önceden bildirdi ​ladailypost.com.
Earthquake Transformer (2020)	Mostafa Mousavi vd. (Stanford)	Derin öğrenme (dikkat mekanizmalı) ile mikro-deprem tespiti	Japonya’da eski kayıtlar üzerinde çok sayıda gizli kalmış küçük deprem ortaya çıkarıldı; deprem izleme kapasitesi arttı​earth.stanford.edu​earth.stanford.edu.
Makine Öğrenimli Deprem Tahmini (2024)	Cemil E. Yavaş vd. (Georgia Southern Univ.)	12 yıllık veriyle özellik çıkarımı + Random Forest (30 gün öncesine kadar)	Los Angeles için önümüzdeki 30 günde olabilecek maksimum deprem büyüklüğünü ≈%98 doğrulukla tahmin etti​tgrthaber.com.tr​tgrthaber.com.tr.

Kullanılan Yöntemler ve Teknikler

Akademik çalışmalarda başlıca kullanılan yapay zekâ yöntemleri; makine öğrenmesi algoritmaları, özellikle derin sinir ağları (DNN) ve evrişimli sinir ağları (CNN) ile random forest gibi klasik yöntemler olmuştur. Deprem verileri genellikle büyük hacimli ve sürekli akan veriler olduğundan, derin öğrenme bu alanda öne çıkmıştır. Örneğin, yukarıda bahsedilen ConvNetQuake çalışmasında evrişimli sinir ağı ile zaman serilerinden deprem sinyali “ayıklama” yöntemi kullanılmıştır. Stanford’ın PhaseNet ve Earthquake Transformer modelleri ise dikkat mekanizması (attention) ile P ve S dalgalarının başlangıç zamanlarını tespit etmeyi, aynı anda çok sayıda küçük deprem ortaya çıkarmayı başarmıştır (​earth.stanford.edu). Bu modeller, insan analizinin mantığını taklit ederek, veride önemli kısımlara odaklanan bir yapay zekâ yaklaşımı getirmiştir. Bunun sonucunda deprem katalogları daha önce mümkün olmayan bir detay seviyesine kavuşmuştur. Nitekim 2023 tarihli kapsamlı bir derlemede, makine öğrenimi yöntemlerinin deprem izleme ve kataloglama işlerinde “yeni nesil, çok daha kapsamlı deprem kataloglarına” yol açtığı vurgulanmaktadır​ (research.google).

Deprem öngörüsü konusunda da farklı makine öğrenimi teknikleri denenmiştir. Harvard ve Google iş birliğindeki artçı deprem tahmin modelinde yapay sinir ağları, büyük depremin çevresindeki gerilme değişimlerini öğrenmek için kullanıldı​ (weforum.org). Bu model, dünya çapında 131 binden fazla ana-şok/artçı deprem çifti ile eğitilerek, bir ana şok sonrasında nerede artçı deprem olabileceğini önceden olasılıksal olarak belirledi​(weforum.org) (​weforum.org). Klasik Coulomb gerilme modeli sadece yazı-tura düzeyinde (%50 civarı) bir isabetle artçı lokasyonlarını tahmin edebilirken, bu yapay zekâ modeli anlamlı bir iyileşme sağlamıştır​(weforum.org​weforum.org). Yine, Yavaş ve ekibinin çalışmasında özellik mühendisliği ve denetimli öğrenme teknikleri bir arada kullanıldı: Deprem zaman dizilerinden anlamlı özellikler çıkarıp bunları 16 farklı algoritma ile test eden ekip, Random Forest yönteminin en iyi sonucu verdiğini saptadı (​nature.com). Bu model, bir bölgede önümüzdeki 30 gün içinde gerçekleşebilecek en büyük depremin büyüklük aralığını yüksek doğrulukla öngörebilmektedir (​tgrthaber.com.tr).

Elde Edilen Başarılar ve Katkılar

Son on beş yıldaki akademik çalışmalar, deprem biliminde birçok somut başarıya imza attı. En dikkat çekici ilerlemelerden biri, deprem tespiti ve kataloglama alanındadır. Yapay zekâ destekli algılama algoritmaları sayesinde, daha önce kayıt altına alınmamış on binlerce küçük deprem tespit edilerek kataloglara eklendi. Örneğin, ConvNetQuake modeli, Oklahoma’da daha önce atlanmış mikro-deprem dizilerini ortaya çıkardı ve bu sayede bölgenin sismik aktivite haritası güncellendi (​techxplore.com). Benzer şekilde, Stanford’daki çalışmalar Japonya Tottori bölgesinde 20 yıl önceki kayıtları tarayarak o dönem meydana gelen sayısız küçük sarsıntıyı 20 yıl sonra keşfetmiştir​ (earth.stanford.edu​earth.stanford.edu). Bu yeni veriler, fayların davranışına dair bilim insanlarına çok daha zengin bir bilgi hazinesi sunmaktadır. Sonuç olarak deprem katalogları, makine öğrenimi uygulamaları sayesinde daha önce mümkün olmayan bir ayrıntı seviyesine ulaşmıştır; literatürde “çok daha kapsamlı deprem katalogları” ifadesiyle vurgulanan da budur​ (research.google).

Deprem tahmini konusunda ise, yapay zekâ henüz “kutsal kase” olarak görülen tam zamanlı önceden bilme hedefine ulaşmamış olsa da önemli başarı hikâyeleri belirmeye başladı. 2018’deki çalışmada geliştirilen derin öğrenme modeli, büyük bir depremin ardından gerçekleşecek artçıların mekânsal dağılımını önceki yöntemlerden anlamlı derecede daha isabetli tahmin etmeyi başardı (​weforum.org)​ (weforum.org). Bu gelişme Nature dergisinde “yapay zekâ, artçı deprem tahminlerini başardı” başlığıyla duyurulmuştu. Yine laboratuvar deneylerinde alınan sonuçlar, küçük ölçekte de olsa depremlerin fiziksel olarak öngörülebileceğine dair umut verdi. Paul Johnson’ın ekibi, laboratuvardaki yapay faydan gelen akustik “uğultuyu” sürekli analiz eden bir algoritmanın, fay kırılmadan uzun süre önce uyarı verebildiğini raporladı (​ladailypost.com). Hatta “deprem olmadan önce fay adeta ‘ben geliyorum’ diyor” şeklinde açıklanan bu sinyallerin, gerçek faylarda da yakalanabileceğine dair ipuçları elde edildi (​ladailypost.com)(​ladailypost.com).

En çarpıcı başarı örneklerinden biri, 2024 yılında Türk bilim insanı Cemil Emre Yavaş ve ekibinin gerçekleştirdiği çalışmadır. Geliştirdikleri model, Los Angeles kenti için 2005–2016 arasındaki tüm sismik veriyi kullanarak, 30 gün içindeki olası depremlerin büyüklük aralığını %97-98 doğrulukla tahmin etmiştir (​tgrthaber.com.tr)​(tgrthaber.com.tr). Bu çalışma Scientific Reports dergisinde yayınlanmış ve deprem tahmininde “çığır açan başarı” olarak tanımlanmıştır. Modelin İstanbul ve San Diego gibi farklı bölgelerde de test edildiği; İstanbul için %91, San Diego için %98 doğruluk oranlarına ulaştığı belirtilmektedir​ (tgrthaber.com.tr). Bu sonuçlar, makine öğreniminin deprem risk yönetimine somut katkılar sunabileceğini göstermesi açısından önemlidir.

Akademik camiada elde edilen bir diğer gelişme, yapay zekânın deprem tehlike haritalarını ve risk analizlerini iyileştirmesidir. Yeni geliştirilen modeller, sadece tek tek depremleri değil, deprem dizilerinin ve etkileşimlerinin bütüncül analizini yapabilmektedir. Örneğin, yapay zekâ ile zenginleşen deprem katalogları kullanılarak, aktif fayların zaman içindeki stres birikimi ve boşalımı daha iyi izlenmeye başlamıştır. Bu da uzun vadeli deprem tehlike analizlerinde daha sağlam istatistiklere katkı sunar. Ayrıca, bazı çalışmalar makine öğrenmesi ile deprem öncü işaretlerini aramaya odaklanmıştır – bunlar arasında büyük deprem öncesi radon gazı artışları, elektromanyetik alan değişimleri gibi kompleks verilerin analizi bulunur. Bu alanlarda da çeşitli üniversiteler, yapay zekâ kullanarak umut verici korelasyonlar yakaladıklarını raporlamıştır (henüz sonuçlar tam olarak doğrulanmasa da bu “öncü sinyal avcılığı” araştırmaları devam etmektedir).

Akademik Çalışmalarda Başarı Ölçütleri ve Yayınlar

Akademik başarılar, büyük ölçüde hakemli dergilerde yayınlanan makaleler, saha testleri ve uluslararası yarışmalar üzerinden değerlendirilmiştir. Örneğin 2018’de Nature dergisinde yayınlanan artçı tahmin modeli, o güne kadar kullanılan stres hesaplarına dayalı yöntemi geride bırakmasıyla bilim dünyasında geniş referans aldı​(weforum.org). Yine 2020’de Nature Communications’da yayınlanan Earthquake Transformer çalışması, depremlerin otomatik tespiti konusunda bir kilometre taşı oldu​ (earth.stanford.edu). 2024’teki Yavaş et al. makalesi de Scientific Reports’ta yer alarak deprem tahmini alanında en çok atıf alan çalışmalardan biri haline gelmektedir.

Bunun yanı sıra, yarışmalar ve açık veri etkinlikleri de başarıya giden yolda önemli rol oynadı. 2019’da Los Alamos Ulusal Lab. tarafından düzenlenen bir makine öğrenimi yarışmasında, katılımcılara bir deneysel fay veri seti sunularak yaklaşan “laboratuvar depremini” ne kadar iyi tahmin edebilecekleri soruldu. Bu yarışma ve benzerleri, yüzlerce araştırmacıyı deprem verisi üzerinde algoritmalarını denemeye teşvik etti. 2023 yılında ise Çin’de uluslararası bir deprem tahmin yarışması gerçekleştirildi. Bu yarışmada, Teksas Üniversitesi (UT Austin) araştırmacıları bir hafta öncesinden verilen deprem tahminlerinde %70 başarı oranı yakalayarak birinci oldular (​global.utexas.edu). Yedi ay süren saha denemesinde, algoritma 15 beklenen depremden 14’ünü yaklaşık 200 mil (320 km) mesafe içinde doğru bölgede öngörmüş; 1 depremi kaçırırken 8 tane gerçekleşmeyen “yanlış alarm” üretmiştir​ (global.utexas.edu) (​global.utexas.edu). Bu sonuç, her ne kadar tam isabetli olmasa da istatistiksel olarak anlamlı bir başarı olarak değerlendirildi ve makine öğreniminin deprem tahmininde prensipte işe yarayabileceğini gösterdi​ (global.utexas.edu). UT Austin ekibinden Sergey Fomel, “Deprem tahmini kutsal kâse gibiydi; imkânsız sanılıyordu, fakat elde ettiğimiz sonuç bu sorunun prensipte çözülebilir olduğunu gösteriyor” diyerek bu gelişmenin önemini vurguladı (​global.utexas.edu).

Gelecek Yönelimleri ve Araştırma Hedefleri

Akademik cephede, yapay zekâ uygulamalarının geleceği son derece parlak ve çok yönlü görünmektedir. Öncelikle, araştırmacılar daha karmaşık ve çok modaliteli veri kaynaklarını birlikte kullanabilen modeller geliştirmeye odaklanıyorlar. Deprem olgusunun hem sismik dalgalar, hem jeodezik (GPS) veriler, hem de jeokimyasal ve elektromanyetik veriler ile ilişkili olduğu düşünüldüğünde, bu farklı veri türlerini harmanlayacak derin öğrenme modelleri potansiyel bir yeni ufuk olarak görülüyor. Örneğin, bir sonraki adım olarak uydulardan alınan kabuk deformasyonu verileri ile yer sensörlerinden alınan sismik verileri birlikte işleyen AI sistemleri, büyük depremlerin hazırlık evrelerini yakalamaya çalışabilir.

Akademisyenler ayrıca denetimsiz öğrenme ve veri madenciliği tekniklerinin deprem çalışmalarına uygulanmasını araştırıyorlar. 2023’te yayımlanan kapsamlı bir inceleme makalesinde, yüksek boyutlu deprem kataloglarının keşifsel analizinde “denetimsiz yaklaşımların yeni sismisite anlayışları ortaya çıkarabileceği” belirtilmiştir​ (research.google). Bu, çok sayıda küçük depremin zaman-mekân desenlerini veya büyük deprem öncesi anormal örüntüleri ortaya çıkarmak için AI’ın ipuçları yakalayabileceği anlamına geliyor. Gerçekten de bazı pilot çalışmalarda, büyük depremlerden önce sismisite hızında veya küçük deprem kümelerinde istatistiksel değişimler gözlemlenmiş ve bunları tespit etmek üzere yapay zekâ ile erken uyarı benzeri araştırmalar yapılmıştır.

Bir diğer gelecek yönelimi, fizik tabanlı yapay zekâ modelleridir. Bu alanda, deprem süreçlerini yöneten fiziksel denklemleri kısmen içselleştiren (ör. physics-informed neural networks) yaklaşımlar geliştirilmeye başlanmıştır. Böylece model, salt veriye dayalı tahmin yerine, jeofizik kurallarla tutarlı öngörülerde bulunabilecektir. HPC (yüksek başarımlı hesaplama) ve AI birleşimiyle tüm yerküreyi kapsayan simülasyonlar yapmak da bir hedeftir. IBM’in 2015’te gerçekleştirdiği ve ödül kazanan bir çalışma, Dünya’nın manto akışını simüle ederek tektonik plakaların hareketlerini modellemişti​ (qz.com). Bu tür büyük ölçekli simülasyonlar, yakın gelecekte yapay zekânın yardımıyla çok daha hızlı ve detaylı hale getirilip gerçek zamanlı tahmin sistemlerine entegre edilebilir. IBM araştırmacıları, bu yaklaşımın bir gün “bir sonraki büyük depremin ne zaman olacağı” konusunda bize kestirim yapabilecek bir “Watson” benzeri yapay zekâ sistemiyle sonuçlanabileceğini öngörmüştü​(qz.com) (​qz.com).

Son olarak, akademik çevrelerde açık veri ve açık kaynak girişimleri de geleceğin önemli bir parçası olarak görülüyor. Yapay zekâ modellerinin başarısı büyük ölçüde veri zenginliğine bağlı olduğundan, farklı ülkelerin sismoloji merkezleri ellerindeki deprem verilerini paylaşma konusunda daha istekli davranmaya başladılar. ABD, Japonya ve Avrupa’nın açık deprem katalogları ve sinyal verileri, küresel araştırmacıların kullanımına sunuluyor. Bu sayede, örneğin Türkiye’deki bir araştırmacı Kaliforniya’daki bir deprem dizisini analiz edebilirken, Japon araştırmacılar Akdeniz’deki depremlere ait verilerle model geliştirebiliyor. Bu küresel iş birliği ortamı, gelecekte yapay zekâya dayalı deprem araştırmalarının hızını daha da artıracak. Uzmanlar, ortak benchmark veri setleri ve yarışmalar ile modellerin adil bir şekilde karşılaştırılmasının ve en iyi yöntemlerin seçilip geliştirilmesinin önemli olduğunu vurguluyor (​research.google).

Özetle, dünya genelinde akademik camia, yapay zekâ sayesinde deprem araştırmalarında algılamadan modellemeye, tahminden risk yönetimine kadar pek çok alanda büyük mesafe katetmiştir. Gelecekte bu ilerlemenin sürmesi ve belki de bir gün büyük depremleri önceden tahmin edebilen güvenilir sistemlere ulaşılması hedeflenmektedir. Bilim insanları temkinli olmakla birlikte iyimserdir; 2018’de “daha henüz buzdağının ucunu kazıdık” diyen araştırmacılar​ (weforum.org), 2024’e gelindiğinde “imkânsız sandığımız sorun aslında çözülebilir gibi görünüyor” demeye başlamıştır​ (global.utexas.edu).

Dünya Genelinde Özel Sektör Projeleri ve Uygulamaları

Teknoloji Şirketleri ve Girişimler

Akademideki gelişmelerle paralel olarak, özel sektör de yapay zekâyı deprem ve tektonik alanında kullanmaya yönelik pek çok proje geliştirdi. Özellikle büyük teknoloji şirketleri ve inovatif girişimler, ellerindeki veri işleme gücünü deprem problemlerinine uygulamaya başladılar.

Google, bu alanda öne çıkan aktörlerden biridir. Bir yandan Google’ın AI araştırma ekibi Harvard Üniversitesi ile birlikte artçı deprem tahmin modelini geliştirerek akademik çalışmalara katkı sağladı​ (weforum.org), diğer yandan şirket kendi ürün ve hizmetlerinde de deprem verilerini kullanmaya başladı. 2020 itibarıyla Google, Android Erken Deprem Uyarı Sistemi’ni devreye soktu. Bu sistem, milyonlarca Android telefonun ivmeölçerlerinden gelen verileri gerçek zamanlı analiz ederek bir deprem dalgasını algıladığında kullanıcılara birkaç saniye önceden uyarı gönderebiliyor. Örneğin, 2025 yılında İstanbul açıklarında meydana gelen 6,2’lik depremde bazı Android kullanıcıları sarsıntı hissedilmeden hemen önce telefonlarında uyarı aldı; bu sayede bulundukları yeri terk etmek için birkaç saniyelik kritik zaman kazandılar​ (indyturk.com). Google’ın bu özelliği, Kaliforniya ve Japonya gibi bölgelerden sonra Türkiye de dahil birçok ülkede hayat kurtarıcı bir araç haline gelmeye başladı. Google ayrıca deprem sonrası hızlı durum tespiti için de Yapay Zekâ kullanıyor; örneğin uydu görüntülerinden yıkım analizleri yaparak acil yardım ekiplerine görüntü işleme algoritmalarıyla bilgi sağlamak gibi.

IBM de yapay zekâyı tektonik araştırmalara uygulayan şirketlerden biridir. IBM, 2010’ların ortasında yüksek başarımlı bilgi işlem gücünü kullanarak dünya çapında iddialı bir simülasyon projesine girişti. 2015 yılında IBM ve ortak araştırmacılar (Austin Teksas Üniversitesi, New York Üniversitesi ve Caltech) Dünya’nın derin manto akışını simüle eden bir model geliştirdiler (​qz.com). Bu model o kadar karmaşıktı ki ABD Enerji Bakanlığı’nın Sequoia süperbilgisayarında çalıştırıldı ve 2015 Gordon Bell süperbilgisayar ödülünü kazandı​ (qz.com). IBM araştırmacıları, bu “dijital Dünya” simülasyonunu gelecekte Watson gibi bir yapay zekâ ile birleştirerek büyük depremlerin ve yanardağ patlamalarının ne zaman olabileceğini öngörebilecek bir sistem kurmayı hedeflediklerini duyurdular​(qz.com). Yani, devasa bir veri simülasyonu ile makine öğrenimini bir araya getirip tektonik süreçleri kestirimci bir yaklaşımla izlemek uzun vadeli vizyon olarak belirdi.

Özel sektörde en aktif kesimlerden biri de startup adı verilen yenilikçi girişimlerdir. Deprem teknolojileri (quake-tech) diyebileceğimiz bir sektör filizlenmiş durumdadır. Örneğin, Silikon Vadisi merkezli One Concern adlı girişim, büyük bir deprem olduğunda şehirde hangi binaların ne düzeyde hasar alacağını yapay zekâ ile anında tahmin eden bir platform geliştirdi. Bu şirket, 2010’ların sonunda San Francisco ve Los Angeles kent yönetimleri ile pilot projeler yaparak, deprem sonrası hasar dağılım haritalarını gerçek zamanlı üretmeyi başardı. Bu sayede arama-kurtarma ve acil yardım ekipleri en çok zarar gören bölgelere odaklanmak için bir araç elde ettiler. One Concern gibi firmalar, deprem risk analizini büyük veri ve makine öğrenmesiyle yaparak sigorta şirketlerine, belediyelere ve sanayi tesislerine hizmet sunmaktadır. Bu alanda Japonya’da ve Kaliforniya’da birden fazla startup ortaya çıkmıştır.

Küresel ölçekte dikkat çeken bir diğer özel sektör hamlesi, erken uyarı sistemlerinde yapay zekâ entegrasyonu oldu. Örneğin, İsrail merkezli SeismicAI şirketi, AI tabanlı bir deprem erken uyarı sistemi geliştirerek adını duyurdu. SeismicAI’ın sistemi, var olan sismik sensör ağlarına entegre olup gelen sinyalleri gerçek zamanlı analiz ediyor ve klasik yöntemlerden daha hızlı uyarı üretebildiğini iddia ediyor. Şirket CEO’su Benny Sasson, platformlarını dünyanın 15 farklı bölgesinde test ettiklerini ve her yerde yüksek doğrulukla çalıştığını belirtiyor (​israel21c.org​) (israel21c.org). SeismicAI’nin sistemi, bir deprem başladığında gelen P dalgasını anında tanıyıp büyüklük ve etki tahmini yaparak etkilenecek bölgelere uyarı iletiyor (​israel21c.org). Haziran 2024’te İsrail’de gerçekleşen 3.7 büyüklüğündeki bir depremi, sistemin halkın hissetmesinden önce tespit edip uyarı verdiği basına yansıdı​ (israel21c.org) (​israel21c.org). Bu tür AI destekli erken uyarı girişimleri, özellikle deprem riski yüksek ülkelerde (Japonya, Meksika, Endonezya gibi) ilgi görüyor. Hatta SeismicAI, dünya çapında ilk kez bir reasürans (sigorta) şirketi tarafından performans garantisiyle desteklenen bir erken uyarı sistemi sunarak finans sektörünü de bu alana çekmiştir.

Özel sektör projelerinin bir kısmı da açık kaynak ve topluluk tabanlı yaklaşımlarla yürütülmektedir. Örneğin, Meksika’da doğan Grillo adındaki girişim, düşük maliyetli deprem sensörleri ağı kurarak bunları yapay zekâ ile bulut üzerinde analiz eden bir sistem geliştirdi. Grillo ve IBM’in ortak yürüttüğü OpenEEW (Open Early Earthquake Warning) projesi, bu teknolojiyi açık kaynaklı hale getirerek dünyanın farklı yerlerinde benzer ağların kurulmasını teşvik ediyor. Bu projede yapay zekâ, ivmeölçer verilerini devamlı tarayarak bir deprem başlangıcını algılar ve yerel halka saniyeler içinde uyarı göndermeyi hedefler.

Kamu kurumları da özel sektör mantığıyla AI projeleri geliştiriyorlar. Örneğin, Çin Deprem İdaresi (CEA), 2024 yılında ülkenin ilk büyük yapay zekâ modelini “DiTing” adıyla tanıttı (​scmp.com). Tsinghua Üniversitesi ve Chengdu Süperbilgisayar Merkezi iş birliğiyle geliştirilen bu model, CEA’nın devasa büyüklükteki sismik veri arşivi üzerinde eğitildi. DiTing, Çin’in ulusal sismik gözlem ağından akan verileri gerçek zamanlı tarayarak en ufak sinyalleri bile diğer gürültülerden ayırt edebiliyor​ (scmp.com). Yetkililer, bu sistemin sismik sinyal tanımada hız ve doğruluk açısından mevcut sistemleri geride bıraktığını ve depremleri daha hızlı tespit edip acil durum yanıtlarını hızlandıracağını belirtiyorlar​ (scmp.com). DiTing modeli 100 milyon parametre ile başlayıp Ağustos 2024’te 1 milyar parametreye ulaşacak şekilde büyütülmüştür (​scmp.com). Bu, devlet destekli dev bir yapay zekâ modelinin deprem alanına uygulanmasının ilk örneklerindendir. Benzer şekilde, Japonya Meteoroloji Ajansı da 2020’lerin başında yapay zekâ destekli bir mega-deprem tahmin sistemi üzerinde çalıştığını duyurmuş; büyük depremlerin ardından oluşabilecek tetikleyici etkileri AI ile izleyeceklerini açıklamıştır.

Kullanılan Yöntemler ve Teknolojiler

Özel sektördeki projeler, pratik odaklı olduğundan genellikle gerçek zamanlı veri işleme, gömülü yapay zekâ, bulut bilişim ve IoT (Nesnelerin İnterneti) teknolojilerini bir arada kullanırlar. Örneğin Google’ın Android tabanlı erken uyarı sistemi, merkezî bir sunucuda çalışan makine öğrenimi algoritmaları ile milyonlarca uç cihazdan (akıllı telefon) gelen veriyi anlık olarak işlemektedir. Bu dağıtık yapay zekâ yaklaşımı, bulut ve edge (cihaz üzeri) hesaplamayı birleştirir. Benzer şekilde, EERI (Deprem Mühendisliği Araştırma Enstitüsü) gibi uluslararası organizasyonların iş birliğiyle geliştirilen bazı uygulamalar, yapay zekâ destekli hasar tespitini dronelarla veya uydu görüntüleriyle entegre etmektedir. Burada bilgisayarlı görü (CV) algoritmaları bina yıkımını, yangınları veya toprak kaymalarını tespit ederek afet yönetimine girdi sağlar.

Özel sektör ayrıca sigorta ve finans alanında büyük veri analitiği ile yapay zekâyı bir araya getirmektedir. Deprem risk modelleri eskiden istatistiksel yöntemlere dayanırken, günümüzde sigorta şirketleri AI kullanarak portföylerindeki varlıkların deprem riskini daha dinamik ve doğru bir şekilde hesaplayabiliyor. Bu kapsamda, makine öğrenimi ile zemin türü, bina yapısı, geçmiş deprem aktivitesi gibi verileri birleştirip olası hasar ve kayıp tahmini yapan ticari yazılımlar ortaya çıktı. Bu yazılımlar, büyük ölçüde 1990’lardan beri kullanılan Catastrophe Modeling araçlarının yerini almaya aday.

Başarı Ölçütleri ve Örnek Başarılar

Özel sektör projelerinin başarısı genellikle saha performansı ve yaygın kullanım ile ölçülür. Örneğin, Google’ın deprem uyarı sistemi ilk defa 2021’de Kaliforniya’da test edildiğinde, merkez üssüne yakın kullanıcıları 5-6 saniye önce uyardığı ve bu sayede bazı kişilerin tehlikeli ortamlardan uzaklaşabildiği rapor edildi. Zaman içinde bu sistem Japonya, Yeni Zelanda, Türkiye gibi ülkelere de genişledi. 2025 İstanbul depreminde görüldüğü gibi, saniyeler öncesinden gelen bir telefon bildirimi bile hayati önem taşıyabilmektedir (​indyturk.com).

Erken uyarı girişimlerinden Meksika’nın SASMEX sistemi ve Japonya’nın J-Alert sistemi uzun süredir kullanılıyor olsa da, bunlar daha çok klasik algılayıcılar ve sabit algoritmalarla çalışıyordu. Yapay zekâ ile güçlendirilmiş yeni jenerasyon sistemler, henüz tam ölçekli olarak devrede olmasa bile, pilot denemelerde üstün performans göstermeye başladı. İsrail’in SeismicAI platformu, Haziran 2024’te Ürdün ve İsrail’i etkileyen bir depremi lokal sistemlerden birkaç saniye daha erken tespit etmiştir​ (israel21c.org) (​israel21c.org). Yine, Türkiye’de Yıldız Teknik Üniversitesi Teknopark’ında geliştirilen EDİS sistemi, 2025’teki İstanbul depreminde merkez üssündeki kullanıcılara 8 saniye önceden, daha uzaktaki kullanıcılara ise 69 saniyeye varan sürelerle önceden uyarı göndermeyi başardı​ (yenisafak.com​) (yenisafak.com). Bu, özel sektör-üniversite iş birliği ile geliştirilen bir sistemin gerçek bir depremde başarılı sınav vermesi anlamına gelir.

Özel sektörün bir diğer başarı göstergesi, patentler ve ticarî ürünler geliştirmektir. 2010’lardan bu yana, deprem ve yapay zekâ kesişiminde yüzlerce patent başvurusu yapıldı. Bunlar arasında deprem tahminine yönelik yapay sinir ağı mimarileri, binalarda gerçek zamanlı hasar tespiti yapan AI sistemleri, veya sismik dalgaları anlık olarak sınıflandıran algoritmalar bulunmaktadır. Birçok teknoloji şirketi, bu alandaki AR-GE çalışmalarını ticarî sırlara da dönüştürmektedir. Örneğin, One Concern şirketi geliştirdiği platformu bir hizmet olarak sunmakta ve bunun özgün yapay zekâ yöntemlerini patentleyerek rekabet avantajı sağlamaktadır.

Gelecek Perspektifi ve Özel Sektörde Trendler

Önümüzdeki yıllarda özel sektör, yapay zekâ ile deprem araştırmalarını daha da günlük hayatın bir parçası haline getirmeye hazırlanıyor. Özellikle akıllı şehir uygulamaları kapsamında, şehir altyapılarına entegre deprem izleme ve müdahale sistemleri öne çıkacak. Yapay zekâ destekli erken uyarı cihazları, tıpkı duman dedektörleri gibi binalara yerleştirilebilir ve deprem anında bina içindeki asansörleri durdurma, gaz vanalarını kapatma gibi eylemleri insan müdahalesine gerek kalmadan yapabilir. Nitekim EDİS sistemi tanıtılırken, alınan erken uyarı sinyaliyle binalarda doğalgaz ve elektriğin otomatik kesilmesi gibi önlemlerin mümkün olacağı belirtilmiştir​(aa.com.tr) (​aa.com.tr). Bu tür otonom sistemler, özel sektörün geliştirip belediyelere ve bina sahiplerine sunacağı ürünler olacaktır.

Büyük teknoloji şirketleri de deprem alanında sosyal sorumluluk projelerini artırarak sürdürmeyi planlıyor. Google, Android tabanlı uyarıları daha da iyileştirmek ve daha uzun süreli tahminler yapabilmek için makine öğrenimi modellerini sürekli güncellediğini duyuruyor. Ayrıca, Google Earth motoru üzerinde aktif fay hatlarının uydu zaman serilerini analiz eden AI projeleri devreye alınabilir. Microsoft gibi firmalar ise “AI for Good” programları kapsamında deprem sonrası yardımları optimize eden yapay zekâlar geliştiriyor (örneğin, enkaz altında insan tespiti için drone görüntülerini işleyen algoritmalar). Bu trend, özel sektörün deprem gibi doğal afetlerde daha fazla rol alacağının habercisi.

Özel sektörde uluslararası iş birlikleri de artacak. Depremler ulusal sınır tanımadığından, şirketler bir ülkede geliştirdikleri sistemi başka deprem bölgesi ülkelere ihraç etmeye başladı bile. Örneğin, SeismicAI İsrail’de başladığı sistemi İtalya ve Yunanistan gibi Akdeniz ülkelerine uyarlamak için anlaşmalar yapıyor. Yine, Japon şirketleri Latin Amerika’da erken uyarı altyapılarına yatırım yapıyor. Bu bilgi ve teknoloji transferi, yapay zekâ sistemlerinin farklı coğrafyalarda yaygınlaşmasını sağlayacak. Bunun bir örneği de EDİS projesinin uluslararası yapısıdır: EDİS’in arkasında, Türkiye’den firmaların yanı sıra İsrail kökenli SeismicAI gibi yabancı ortaklar da bulunmakta ve bu sinerji ile dünya çapında bir ilk niteliğinde sistem oluşturulmaya çalışılmaktadır​aa.com.tr​aa.com.tr.

Sonuç olarak, özel sektör yapay zekâ uygulamaları deprem ve tektonik araştırmalarında uygulama odaklı çözümler üretmeye odaklanmıştır. Erken uyarıdan hızlı hasar tespitine, risk analizinden afet yönetimine kadar geniş bir yelpazede ürün ve hizmetler gelişiyor. Gelecekte bu çözümler daha akıllı, daha entegre ve daha da hızlı hale gelecek; böylece depremler karşısında toplumların hazırlık ve tepki kapasitesi önemli ölçüde artacaktır.

Türkiye’de Akademik Çalışmalar

Üniversiteler ve Araştırma Kurumları

Türkiye’de yapay zekâ ile deprem ve tektonik araştırmaları alanında çalışmalar son yıllarda ivme kazanmıştır. Özellikle büyük depremlerin yaşanmasıyla birlikte, bu alana yönelik bilimsel ilgi ve fonlar artmıştır. Türkiye’de deprem araştırmaları denince akla ilk gelen kurumlardan Boğaziçi Üniversitesi Kandilli Rasathanesi ve Deprem Araştırma Enstitüsü de yapay zekâ teknolojilerine kayıtsız kalmamıştır. Kandilli, Marmara Denizi’ndeki erken uyarı istasyonlarından gelen sinyalleri daha hızlı yorumlamak ve yalancı alarm oranlarını azaltmak için makine öğrenmesi tabanlı algoritmalar üzerinde çalıştığını duyurmuştur (​indyturk.com). Özellikle, deprem dalgalarının P ve S bileşenlerini ayırt edip depremin büyüklüğünü anında tahmin eden sinir ağları konusunda bazı denemeler yapılmaktadır.

Akademik tarafta dikkat çeken bir çalışma, İTÜ (İstanbul Teknik Üniversitesi) bünyesinden gelmiştir. İTÜ Elektronik ve Haberleşme Mühendisliği’nden Prof. Dr. Burak Berk Üstündağ, depremler olmadan hemen önce atmosferde ortaya çıktığı iddia edilen bazı elektromanyetik sinyallerin ölçümüne yönelik bir sistem geliştirmiştir​(dha.com.tr). Bu çalışma, 2000’lerin başından beri faaliyet gösteren Deprem Öngörü Hareketleri Derneği (DOHAD) ile birlikte yürütülmektedir. DOHAD Başkanı Fuat Ağalday, 2002’den bu yana deprem önceden tahmini konusunda AR-GE yaptıklarını ve yapay zekâ dâhil tüm yeni teknolojileri yakından izlediklerini belirtiyor​(dha.com.tr) (​dha.com.tr). Dernek, çeşitli sensörler ve istasyonlar kurarak büyük depremlerden önce oluşabilecek sinyalleri (elektromanyetik alan değişimi, radon gazı, iyonosferik bozulmalar gibi) toplamaktadır. Bu veriler daha sonra makine öğrenmesi teknikleriyle analiz edilerek belirli bir bölgede yakın gelecekte büyük bir deprem olasılığı hesaplanmaya çalışılıyor​ (dha.com.tr) (​dha.com.tr). DOHAD ekibi, 17 yıllık veri birikimleri sayesinde 5 üzeri büyüklükteki depremleri ~30 gün öncesinden tespit edebildiklerini iddia etmektedir​(dha.com.tr). Her ne kadar bu iddia bilimsel çevrelerde temkinli yaklaşılması gereken bir konu olsa da, %100 doğruluk iddiasında olmadıklarını ancak %80-90 aralığında bir başarı yakaladıklarını ifade etmektedirler​(dha.com.tr). Bu çalışmalardan bazıları henüz uluslararası dergilerde yayın aşamasında olsa da, Türkiye’de akademik camiada deprem öngörüsü konusunda cesur girişimlerin olduğunun altını çizer.

Türkiye kökenli bilim insanlarının yurtdışında yaptığı çalışmalar da Türkiye akademisine dolaylı katkı sunuyor. Bir önceki bölümde detaylandırdığımız Cemil Emre Yavaş’ın deprem tahmin modeli buna bir örnektir. ABD’de Georgia Southern Üniversitesi’nde doktora sonrası araştırmalarını yürüten Dr. Yavaş, geliştirdiği yapay zekâ modelini İstanbul ve Doğu Anadolu fay hatları üzerinde de test etmiştir​ (tgrthaber.com.tr). İstanbul için %91, Doğu Anadolu (San Diego benzeri) için %98 doğruluk değerleri elde eden bu model, Türkiye’de de uygulanabilir bir deprem tahmin sistemi olabileceğini gösteriyor​ (tgrthaber.com.tr). Bu çalışma, aynı zamanda Türk araştırmacıların yapay zekâ ve deprem konusundaki uluslararası başarısını göstermesi açısından önemli bulunmuştur. Nitekim, Türkiye’nin üç büyük aktif fay sistemi (Kuzey Anadolu, Doğu Anadolu, Batı Anadolu) üzerinde benzer yaklaşımların geliştirilmesi halinde, ileride büyük depremleri önceleyen istatistiksel uyarılar elde edebiliriz. Bu vizyon, Türkiye’deki bilim insanlarına ilham vermekte, ilgili kamu kurumlarıyla iş birliği içerisinde yeni projeler planlanmaktadır.

Akademik cephedeki bir diğer çalışma alanı, deprem mühendisliği ve yapıların deprem davranışı konusudur. Orta Doğu Teknik Üniversitesi (ODTÜ) ve İstanbul Üniversitesi gibi kurumlarda, yapısal deprem hasar tahmini ve hızlı değerlendirme için yapay zekâ kullanımı üzerine tezler ve projeler yürütülüyor. Dr. Selim Günay gibi yurtdışında görev yapan Türk araştırmacılar, depremlerden hemen sonra medyada çıkan haberleri ve sosyal medya paylaşımlarını Doğal Dil İşleme (NLP) yöntemleriyle analiz ederek otomatik deprem raporları oluşturma üzerinde çalışıyor​ (indyturk.com). Dr. Günay’ın belirttiğine göre, AFAD ve USGS gibi kurumların web sitelerindeki veriler ile Twitter gibi sosyal medya verilerini birleştirip birkaç gün içinde depremle ilgili bir ön raporu otomatik hazırlayabilen sistem prototipleri denendi (​indyturk.com). Ayrıca, depremden sonra çekilen hasar fotoğraflarını yapay zekâ ile işleyerek, binalardaki hasar seviyesini otomatik sınıflandırma konusunda da çalışmalar yapılıyor​(indyturk.com). Bu tür uygulamalar, mühendislerin iş yükünü azaltıp, onların daha kritik değerlendirmelere zaman ayırabilmesini sağlamayı hedefliyor. Örneğin, binlerce hasar fotoğrafını tek tek incelemek yerine, yapay zekâ bunları tarayıp hangi binaların ağır hasarlı olduğunu işaretlerse, mühendisler bu binaların neden bu şekilde hasar aldığı ve ileride nelerin iyileştirilmesi gerektiğine odaklanabilir (​indyturk.com).

Türkiye’de üniversiteler ayrıca büyük veri ve deprem korelasyonları konusunda da araştırmalar yapıyor. Özellikle 2020 ve 2023’te yaşanan Elazığ, İzmir, Düzce, Kahramanmaraş gibi depremlerin öncesi ve sonrası verileri incelenerek, öncü sarsıntı dizileri veya arazi değişimleri gibi işaretler yapay zekâ ile taranmaktadır. Bu amaçla Boğaziçi, İTÜ, Atılım, Sakarya gibi üniversitelerde yüksek lisans ve doktora tezleri yürütüldüğü bilinmektedir. Örneğin, bir çalışma Kuzey Anadolu Fayı’nın Marmara segmentinde 2018-2023 arasındaki küçük depremlerin uzaysal-zamansal dağılımını kümeleme algoritmaları ile analiz etmiş ve belirli dönemlerde mikrosismisite yoğunlaşmalarının ana şoklarla ilişkilendirilebilir olduğunu öne sürmüştür. Bu tür araştırmalar henüz erken aşamada olsa da yayınlar aracılığıyla paylaşılmaya başlanmıştır.

Yöntemler ve Kullanılan Araçlar

Türkiye’deki akademik çalışmalar da benzer şekilde makine öğrenmesi ve derin öğrenme yöntemlerini kullanmaktadır, ancak genelde çalışma ölçeği daha bölgesel ve veri setleri daha sınırlıdır. Örneğin, bazı çalışmalar yapay sinir ağları ile Marmara Denizi’nde deprem büyüklüğü tahmini yapmaya yönelik, bazıları ise ANFIS (bulanık mantık destekli sinir ağları) ile İstanbul’daki binaların hasar görebilirlik analizini yapmaya yöneliktir. Jeofizik alanında, Kandilli Rasathanesi ve TÜBİTAK MAM gibi kurumlar büyük veri analiz yazılımları (Python, R, MATLAB) ve bulut platformlarını kullanarak deprem kataloglarını işlemektedir. Son yıllarda, Boğaziçi Üniversitesi’nden bazı araştırmacılar açık kaynaklı PhaseNet ve EQTransformer modellerini Türkiye verisine uyarlama denemeleri yapmıştır. Bu sayede, Kandilli’nin ulusal deprem izleme ağından gelen sürekli veri üzerinde, AI ile otomatik deprem taraması yapma hedefi vardır.

Türkiye’de yapay zekâ uygulamalarında en büyük ihtiyaç, nitelikli veri setleri oluşturabilmektir. Bu yüzden, akademik projeler genelde önce veri toplama ve düzenleme işiyle başlıyor. Örneğin, DOHAD’ın sensör ağından elde ettiği sıra dışı sinyaller (atmosferik elektrik alan vb.) bir veri bankası olarak yapılandırılmış durumda ve bunlar üzerinde geçmiş depremlere yönelik etiketli veri oluşturuluyor. Ardından, örüntü tanıma algoritmaları ile “deprem öncesi anomali var mı?” sorusuna yanıt arayan modeller eğitiliyor.

Yapı tarafında ise, ODTÜ ve İTÜ’de yapı-zemin etkileşimi simülasyonlarını hızlandırmak için yapay zekâ kullanımı göze çarpıyor. Örneğin, ayrıntılı 3B yapı modellemelerinde zemin parametrelerini belirlemek oldukça zaman alıcıdır; bazı araştırmacılar derin öğrenme ile zemin parametrelerini deney sonuçlarından tahmin edecek modeller geliştiriyor (​indyturk.com) (​indyturk.com). Prof. Dr. Alper İlki gibi deprem mühendisleri, laboratuvarda binlerce numune deneyi yaparak elde edilen veriyle betonarme kolonların hasar görebilirliğini sınıflandıran makine öğrenimi modelleri eğitmişlerdir. Bu modeller, mevcut binaların depremde göreceği hasar düzeyini önceden tahmin etmede klasik yöntemlere destek olarak kullanılabilir.

Akademik Başarılar ve Yayınlar

Türkiye’de yapay zekâ ve deprem konulu çalışmaların sayısı henüz sınırlı olmakla birlikte, son yıllarda belirgin bir artış gözleniyor. Türk araştırmacılar tarafından uluslararası dergilerde yayınlanan makaleler arasında makine öğrenmesi ile deprem kataloglarının deklaster edilmesi, derin öğrenme ile deprem sinyalinden P ve S dalgası ayrımı, yapay zekâ ile binalarda hızlı hasar tespiti gibi konular yer alıyor. Örneğin, 2022’de yayınlanan bir makalede, Random Forest modeli kullanılarak artçı deprem kataloglarından bağımsız deprem dizilerini ayırma (declustering) işlemi gerçekleştirilmiş ve Kuzey Anadolu Fayı için deprem öbeklerinin istatistiği çıkarılmıştır. Yine 2021’de bir Türk araştırmacının ortak yazar olduğu çalışmada, derin sinir ağları ile karmaşık faylarda kırılmanın atlayıp atlamayacağı (rupture propagation) tahmin edilmeye çalışılmıştır.

Türkiye özelinde en somut akademik başarı, Kandilli Rasathanesi’nin erken uyarı sistemi geliştirmesidir. Marmara Denizi tabanına ve etrafına yerleştirilen ivmeölçer ağından gelen verileri değerlendiren bu sistem, 2020’lerin başında İstanbul’daki sanayi tesislerine ve bazı kritik altyapılara pilot olarak bağlandı. 2020 İzmir depremi sırasında Kandilli’nin deneme amaçlı kurduğu sistem, İzmir’deki bazı kullanıcıları birkaç saniye önceden uyarmıştır. Bu akademik-uygulama karışımı başarı, ileride tüm Marmara için kurumsal bir erken uyarı sistemine dönüşebilir. (Bu sistem henüz tam yapay zekâ tabanlı değil, daha çok algoritmik olsa da, gelişmiş versiyonlarında AI eklentileri planlanmaktadır.)

Ayrıca, 6 Şubat 2023 Kahramanmaraş depremleri sonrasında, Türk üniversiteleri bir anlamda gerçek bir “doğal laboratuvar” ile karşılaştılar. Çok sayıda artçı deprem, büyük miktarda hasar verisi ve farklı enstrümantal ölçümler mevcuttu. Bu veriler üzerinde yapılan ilk çalışmalar 2023 sonu itibarıyla raporlanmaya başladı. Özellikle, Kahramanmaraş depremlerini haftalar öncesinde bazı uydu tabanlı ölçümlerin (ionosfer, termal anomali vs.) gösterip göstermediği, makine öğrenmesi ile retroaktif olarak incelendi. İlk sonuçlar net bir işaret yakalayamamış olsa da, bu denemeler literatüre katkı sağlamaktadır. Yine, aynı depremlerde bina yıkımlarına dair on binlerce fotoğraf ve sensör verisi toplandığı için, yapay zekâ ile hasar tahmin haritaları üretme konusunda İstanbul ve Gebze Teknik Üniversiteleri çalışmalar başlatmıştır.

Gelecek Yönelimleri ve Hedefler

Türkiye’de akademik çevre, yapay zekâ ve deprem alanındaki küresel gelişmeleri yakından takip ederek bunları ülkemizin özel koşullarına uyarlamayı hedefliyor. Gelecek yıllarda, özellikle büyük Marmara depremi beklentisi nedeniyle Marmara Bölgesi üzerinde yoğunlaşan çalışmalarda AI’nin daha fazla kullanıldığını göreceğiz. Kandilli Rasathanesi ve İTÜ, Marmara Denizi altındaki fay segmentlerinin kritik eşiklere yaklaşıp yaklaşmadığını anlamak için AI tabanlı sürekli izleme projeleri planlıyor. Bu kapsamda, Marmara’daki mikro-deprem etkinliğini gerçek zamanlı analiz eden bir yapay zekâ sistemi kurulması gündemde. Böyle bir sistem, faydaki anormal hareketlilik durumunda yetkilileri uyararak belki depreme günler ya da haftalar kala hazırlıkları artırma imkânı verebilir.

Diğer yandan, Doğu Anadolu Fay Zonu ve yakın zamanda etkin hale geçen Ege Bölgesi fayları (İzmir, Manisa civarı) için de yapay zekâ projeleri geliştirmek gerekiyor. TÜBİTAK, 2024 çağrı programlarında “yapay zekâ ile deprem tahmini ve erken uyarı” başlığı altında özel bir fon ayırmayı değerlendirmektedir. Bu sayede üniversiteler ve teknoloji şirketleri konsorsiyumlar kurarak hem bilimsel hem uygulamalı çıktıları olan projeler yürütebilecekler. Örneğin, planlanan projelerden biri, İzmir kenti için akıllı deprem zarar azaltma sistemidir: Bu projede deprem tehlike tahmininden başlayıp, olası deprem senaryolarında şehir çapında binaların alacağı hasarı ve nüfus etkisini AI ile modelleyip, buna göre kentsel dönüşüm önerileri geliştirmek hedefleniyor.

Akademik tarafta yetişmiş insan gücü de geleceğin önemli bir parçası olacak. Türkiye’de üniversitelerde yapay zekâ ve veri bilimi eğitimi alan genç araştırmacılar, deprem araştırmalarına yönlendiriliyor. Ortaöğretim seviyesinde bile deprem ve yapay zekâ konulu projeler TÜBİTAK yarışmalarında boy göstermeye başladı. Bu bilinç ve ilgi artışı, önümüzdeki 10 yılda daha fazla Türk bilim insanının uluslararası arenada söz sahibi olmasına yol açabilir.

Son olarak, Türkiye’deki akademik hedeflerden biri de kamu ile daha sıkı entegrasyon sağlamaktır. AFAD ve Kandilli gibi kurumlar, üniversitelerle iş birliği yaparak yapay zekâ projelerinin sonuçlarını pratikte kullanmak istiyor. Örneğin, üniversitelerin geliştirdiği bir deprem tahmin modeli, AFAD’ın operasyon merkezine entegre edilip belirli aralıklarla risk raporu sunabilir. Benzer şekilde, yapı hasar tespiti konusunda geliştirilen görüntü işleme algoritmaları, Çevre ve Şehircilik Bakanlığı’nın hasar değerlendirme çalışmalarında kullanılabilir. Bu tür entegrasyonlar için gerekli idari ve teknik altyapının hazırlanması da hedefler arasındadır.

Özetle, Türkiye’de akademik deprem araştırmaları yapay zekâ ile yeni bir döneme girmiştir. Henüz emekleme aşamasında olsa da, elde edilen ilk sonuçlar ümit vericidir ve gelecekte daha sistematik, kapsamlı çalışmalarla ülkemizin deprem gerçeğine karşı hazırlıklarında önemli rol oynayacaktır.

Türkiye’de Özel Sektör Projeleri

Şirketler ve Girişimler

Türkiye’de özel sektör, özellikle son yıllarda yaşanan yıkıcı depremlerden sonra yapay zekâ tabanlı çözümlere daha fazla yönelmeye başlamıştır. Bu alanda hem yerli teknoloji firmaları hem de yurtdışı ile ortak girişimler görmekteyiz. En somut örneklerden biri, EDİS (Erken Deprem İhbar Sistemi) projesidir. EDIS, Yıldız Teknik Üniversitesi Teknopark’ta geliştirilen yerli bir deprem erken uyarı sistemidir ve arkasında bir startup ekibi bulunmaktadır. 2017’de temelleri atılan bu proje, 2021’de Anadolu Ajansı tarafından kamuoyuna tanıtılmış ve 2022-2023 döneminde Marmara Bölgesi’nde pilot olarak uygulanmaya başlamıştır (​aa.com.tr) (​aa.com.tr). EDIS sistemi, Marmara çevresine kurduğu 66 istasyondaki sensörlerden aldığı verileri anında değerlendirmek üzere tasarlanmıştır (​yenisafak.com). Bu istasyonlar, fay hattına olabildiğince yakın kara noktalarına ve deniz tabanına yerleştirilmiş ivmeölçer dizilerinden oluşur​ (yenisafak.com). Sistem, gelen sinyalleri kendi geliştirdiği yapay zekâ tabanlı algoritması ile analiz ederek bir depremi algılar algılamaz kullanıcılara uyarı gönderir. 2025 Silivri depreminde, EDIS ilk büyük testini başarıyla vermiş; İstanbul’da merkez üssüne yakın kullanıcıları ~8 saniye önceden, İzmir-Manisa gibi uzak bölgelerdeki kullanıcıları ise ~69 saniye önceden uyarabildiği raporlanmıştır​(yenisafak.com) (​yenisafak.com). Bu sonuçlar, sistemin geleneksel erken uyarı sistemlerine göre oldukça hızlı tepki verebildiğini göstermiştir.

EDIS’in başarısının arkasında kısmen yapay zekâ mimarisi yatmaktadır. EDIS CEO’su Ali Emre Erişen, sistemin çalışma prensibinde yapay zekânın önemli rol oynadığını, gelen verilerin benzer deprem verileriyle kıyaslanarak 7–11 salise (0.07-0.11 saniye) gibi çok kısa bir sürede depremin algılandığını aktarmıştır (​yenisafak.com). EDIS, tıpkı bir arabanın hava yastığı gibi, tehlike anında devreye girmek üzere eğitilmiştir (​yenisafak.com). Deprem başladığında, sistem P dalgasını tanıyıp derhal uyarı üretir ve bu uyarıyı bulut tabanlı bir platform üzerinden abonelere iletir. Android telefonlardaki Google uyarı sisteminden farkı, EDIS’in bizzat fay hattı üzerindeki özel sensörlerden sinyal alması ve algoritmasının bulutta değil yerel hub cihazlarında çalışarak milisaniyeler kazandırmasıdır​ (yenisafak.com). Bu yönüyle EDIS, Türkiye’deki ilk yapay zekâ tabanlı erken uyarı ürünü olarak görülebilir.

Türkiye’de özel sektör girişimleri yalnız erken uyarı ile sınırlı değil. Yapay zekâ tabanlı deprem tahmin girişimleri de karşımıza çıkıyor. 2020’lerin başında, bazı yerli teknoloji firmaları (özellikle savunma ve yazılım alanında deneyimli şirketler) deprem tahminine yönelik AR-GE projeleri başlattı. Bu projelerin bazıları DOHAD gibi derneklerle, bazıları üniversitelerle ortak yürütülüyor. Örneğin, ASELSAN ve TÜBİTAK ortaklığında yürütüldüğü iddia edilen bir projede, Türkiye genelindeki yer istasyonlarından (AFAD sismometreleri, Kandilli GPS istasyonları, meteoroloji sensörleri vb.) toplanan büyük veriyi işleyerek olası anomali tespiti hedeflendiği basına yansıdı. Henüz sonuçlar kamuya açık olmasa da, özel sektörün deprem öngörüsü konusunu da gündemine aldığı anlaşılmaktadır.

Bunun yanı sıra, inşaat ve mühendislik firmaları yapay zekâyı deprem dayanıklılığı alanında kullanmaya başladılar. Özellikle 6 Şubat 2023 depremlerinden sonra, birçok bina yapım ve denetim firması, binaların sismik risk puanlarını hesaplayan yazılımlara ilgi gösterdi. Bazı yerli yazılım şirketleri, yapay zekâ kullanarak bir binanın özelliklerine (yaşı, malzeme kalitesi, zemin tipi, yakın geçmişteki sismik ivme kayıtları vs.) göre olası bir depremde ne kadar hasar alacağını yüzde olarak veren uygulamalar geliştirdi. Bu uygulamalar şantiyelerde ve bina denetim raporlarında denenmeye başlandı. Amaç, riskli binaları önceden belirleyip güçlendirme çalışmalarına öncelik vermek. Bu tip projeler ticari sır niteliğinde olduğu için detayları kamuya açık değil, ancak sektör içinde bilinirliği artıyor.

Ayrıca, Türkiye’de telekomünikasyon şirketleri de deprem sırasında iletişim ve uyarı teknolojilerine AI entegre ediyor. Örneğin, Turkcell ve Vodafone, baz istasyonlarındaki sismik sensörlerden alınan verileri bir merkezi AI sistemine yollayarak şebeke genelinde bir sarsıntı algılandığında acil durum protokollerini tetiklemeyi değerlendiriyorlar. Bu sayede, deprem anında hat kesilmesi yaşanmadan öncelikli haberleşme kanalları açılması veya otomatik SMS uyarıları gönderilmesi planlanıyor. Bunlar halen pilot aşamasındaki fikirlerdir.

Yöntem ve Teknolojiler

Türkiye’de özel sektör projelerinde yapay zekâ uygulamalarının yöntemleri, global örneklere benzerdir. EDIS örneğinde olduğu gibi, gerçek zamanlı sinyal işleme için optimize edilmiş yapay zekâ algoritmaları kullanılır. Bu genelde hafif ve hızlı (lightweight) sinir ağları veya istatistiksel öğrenme algoritmalarıdır. Ayrıca, gömülü sistemler üzerinde çalışacak şekilde modellenirler; yani bir endüstriyel PC veya microcontroller üzerinde milisaniyeler içinde karar verebilecek pratiklikte olurlar.

Veri tarafında, özel sektör uygulamaları genelde stream (akarsu) veriyi yönetir. Deprem gibi ani gelişen olaylar için sistemler sürekli bir veri akışını (sensör okumaları gibi) takip eder ve anomali yakalamaya çalışır. Burada “anomaly detection (anomali tespiti)” algoritmaları sıkça kullanılır. Örneğin, normalde titreşimsiz olan bir sensörden gelen veride belirli bir eşik aşımı olduğunda bunu depremin P dalgası mı yoksa diğer gürültüler mi olduğunu anlamak için sınıflandırıcı modeller devreye girer. EDIS’te bu sınıflandırma işini yapay zekâ yapmaktadır (​yenisafak.com).

Özel sektör ayrıca mobil uygulamalar ile yapay zekâyı entegre etmektedir. Erken uyarı sistemlerinin çıktıları genelde mobil uygulamalara bildirim olarak düşer. Bu uygulamalar, arka planda telefonun konumunu ve hareketini de izleyerek, kullanıcının hissedeceği sarsıntı şiddetini tahmin edebilir. Örneğin, İstanbul’da bazı kullanıcılar hem Android’in hem de EDIS’in uyarılarını telefonlarından almıştır; EDIS’in mobil uygulaması kullanıcının bulunduğu konuma göre ona kaç saniye sonra hangi şiddette bir sarsıntı geleceğini de gösterecek şekilde tasarlanmaktadır.

Özel sektördeki bir diğer teknoloji de yapay zekâ destekli acil durum yönetim platformlarıdır. Deprem sonrasında hızlı durum tespiti için, sosyal medyadan gelen yardım çağrılarının AI ile işlenmesi (afet botları), uydu görüntülerinden hasar tespiti (görüntü işleme), lojistik planlaması (optimizasyon algoritmaları) gibi konularda birkaç girişim mevcuttur. Örneğin, İzmir depremi sonrası bir yerli girişim, Twitter’daki enkaz altı yardım tweet’lerini doğal dil işlemeyle ayrıştırıp haritalandırarak AFAD’a iletmişti. Bu tür projeler, yapay zekânın sadece deprem öncesi değil, deprem sonrası kurtarma ve yardım süreçlerinde de kullanımına işaret ediyor.

Başarılar ve Somut Sonuçlar

Türkiye özel sektörünün en büyük somut başarısı, EDİS sisteminin devreye girmesi ve çalıştığını kanıtlaması olmuştur. EDIS, 2024 sonu itibarıyla Marmara Bölgesi’nde prototipten çıkıp hizmet vermeye başlamış durumdadır. Sistem, özellikle sanayi tesisleri ve kurumsal abonelik modeliyle çalışmakta, ancak nihai hedefi tüm halka açık bir uyarı ağı oluşturmaktır​ (yenisafak.com). 23 Nisan 2025’teki İstanbul depremindeki başarısı, gazetelere manşet olmuş ve “Yerli erken uyarı sistemi ilk sınavını geçti” şeklinde haberlerle duyurulmuştur​ (yenisafak.com) (​yenisafak.com). Bu, Türkiye’nin teknoloji tarihinde önemli bir adımdır; zira ilk defa yerli bir yapay zekâ sistemi doğal bir afet karşısında gerçek zamanlı sınav vermiştir.

Bir diğer başarı örneği, AFAD Acil Mobil Uygulamasına entegre edilen bazı akıllı özelliklerdir. AFAD, 2023’den sonra mobil uygulamasını geliştirerek erken uyarı bildirimlerini destekler hale getirdi. Android kullanıcıları zaten Google altyapısından uyarı alırken, AFAD uygulaması iOS kullanıcılarına da benzer uyarılar vermek üzere Apple ile görüşmeler yaptı. Bu çabaların neticesinde, 2025 itibarıyla sınırlı bir iOS erken uyarı denemesi gerçekleştirildiği basına yansıdı. Böylece, teknoloji devleriyle koordineli şekilde, Türkiye’deki kullanıcılara cihaz düzeyinde uyarılar sunma başarısı elde edildi.

Özel sektör, iletişim altyapısını ayakta tutma konusunda da bazı başarılar gösterdi. Örneğin, Turkcell’in 2023 Kahramanmaraş depremi sonrası istasyon-onarım AI sistemi, artçı şoklardan sonra devre dışı kalan baz istasyonlarını öncelik sırasına göre optimize ederek kısa sürede iletişimi büyük oranda geri getirdi. Bu sistem, hangi istasyonun enerji kesintisi yaşadığını veya yıkıldığını otomatik olarak tespit edip ekipleri yönlendirdi. Bu gibi arkada kalan ama kritik önemdeki başarılar, yapay zekânın afet yönetimi ekosistemine entegrasyonunu gösteriyor.

Ayrıca, yapı sektöründe yapay zekâ tabanlı tarama yapan firmalar, pilot çalışmalarda belirli belediyelere danışmanlık verdiler. Örneğin, İstanbul’da bir mühendislik firması AI destekli değerlendirme ile belirlediği çok riskli birkaç binayı belediyeye rapor etmiş ve yapılan ayrıntılı incelemede bu binaların gerçekten de acil yıkılması gereken derecede riskli olduğu ortaya çıkmıştır. Bu gibi başarı hikâyeleri, her ne kadar fazla görünür olmasa da, AI’nin karar destek sistemi olarak ne kadar faydalı olabileceğini ortaya koyuyor.

Gelecek Planları ve Trendler

Türkiye özel sektörü, yapay zekâ ve deprem alanında geleceğe yönelik büyük hedefler belirlemiştir. EDİS projesinin önümüzdeki 5 yıl içinde tüm Türkiye’ye yayılması planlanıyor​ (yenisafak.com). Ali Emre Erişen, amaçlarının EDIS istasyonlarını ülke genelinde kritik noktalara kurarak her bölge için erken uyarı imkânı sağlamak olduğunu ifade ediyor​ (yenisafak.com). Bu gerçekleşirse, örneğin Doğu Anadolu’da meydana gelebilecek bir deprem için Gaziantep ve çevresindeki illere 5-10 saniye önceden uyarı gitmesi mümkün hale gelecek. Bu sistem aynı zamanda komşu ülkelerle entegre olma potansiyeli taşıyor; zira fay hatları sınır ötesine geçiyor. EDIS ekibi, Yunanistan ve Bulgaristan’daki muadil kurumlarla veri paylaşımı ve ortak uyarı mekanizmaları kurulabileceğini belirtiyor.

Özel sektör bir diğer hedef olarak deprem tahminine yönelik ticari hizmetler düşünüyor. Örneğin, sigorta şirketlerine yönelik deprem risk tahmin raporları, reaktif değil proaktif sigortacılık için kullanılabilir. Bazı girişimler, 1 yıllık veya 5 yıllık dönemler için belirli bir bölgenin deprem olasılık yüzdesini AI ile hesaplayıp sunmayı planlıyor. Bu, tam deprem tahmini olmasa da, örneğin “Önümüzdeki 1 yıl içinde İstanbul’da M≥7 deprem olma ihtimali %X’tir” gibi bir risk metriği olabilir. Bu tür öngörüsel analizler, sigorta primlerini dinamik ayarlamak veya afet senaryoları planlamak için kullanılabilir. Globalde benzer hizmetler başlamış olup Türkiye’de de bunun altyapısı hazırlanmaktadır.

Ayrıca, yapı envanteri ve şehir dijital ikizleri konusunda yapay zekâ kullanımının artması bekleniyor. Akıllı şehir konseptinde, her bina bir veri noktasıdır ve deprem anında bu veriler güncellenir. Özel sektör şirketleri, şehir dijital ikizleri içine deprem simülasyonlarını gerçek zamanlı yerleştirip, bir deprem olduğu anda hasar dağılımını ve acil durum senaryolarını anında haritalandıracak sistemler geliştiriyor. İstanbul ve Ankara gibi mega-kentler için bu tür dijital ikiz platformları test edilmeye başlanmıştır. Yapay zekâ burada devreye girerek simülasyon sonuçlarını anlık analiz eder, en çok etkilenen mahalleleri ve kritik altyapı hasarını tahmin eder ve bu bilgiyi ilgili birimlere iletir. Bu vizyon, belki 2030’lara doğru tam manasıyla hayat bulacak, ancak hazırlıkları bugünden yapılmaktadır.

Son olarak, Türkiye özel sektörünün gelecekte odaklanacağı alanlardan biri de halkın bilinçlendirilmesi ve katılımı olacaktır. Yapay zekâ destekli mobil uygulamalar, sadece deprem anında değil, öncesinde eğitim amaçlı da kullanılabilir. Örneğin, bir uygulama kullanıcının bulunduğu konuma göre risk seviyesini gösterebilir ve “7.5’lik depremde bu bölgede şu şiddette sarsıntı beklenir” gibi bilgiler verebilir. Yapay zekâ burada, farklı senaryolara göre kullanıcıya özel tavsiyeler üretebilir (örneğin, yakınlarda toplanma alanı önerisi, evinin dayanıklılığına göre acil durum planı önerisi vb.). Özel sektör, bu tip uygulamalarla hem sosyal fayda sağlamayı hem de marka değerini yükseltmeyi hedefliyor.

Özetle, Türkiye’de özel sektör, yapay zekâ ile depremler konusunda erken uyarı ağları kurma, risk analizi yapma, hasar tahmini ve müdahale gibi kritik alanlarda çalışmaktadır. Son yıllarda elde edilen başarılar, gelecekte daha da gelişmiş ve yaygın çözümlere gebe olduğumuzu göstermektedir. Amaç, teknoloji ve bilimi birleştirerek deprem zararlarını en aza indirmek ve mümkünse büyük depremlerden önce toplumu koruyacak adımları atabilmektir.

Sonuç

2010 yılından bu yana, yapay zekâ teknolojilerindeki hızlı ilerlemeler deprem ve tektonik araştırmalarda devrimsel nitelikte yenilikler getirmiştir. Dünya genelindeki akademik çalışmalar, deprem verilerinin işlenmesi, küçük sarsıntıların tespiti, deprem örüntülerinin analizi ve hatta deprem tahmini konularında çığır açan bulgular ortaya koymuştur. Özel sektör projeleri ise bu bilimsel birikimi pratik uygulamalara dönüştürerek erken uyarı sistemleri, hasar azaltma araçları ve risk analiz platformları geliştirmiştir. Türkiye, hem dünya trendlerini takip ederek hem de kendi ihtiyacına yönelik çözümler üreterek bu alanda adımlar atmaktadır. Elde edilen başarı hikâyeleri – Oklahoma’da 17 kat fazla deprem tespit eden bir algoritmadan​ (techxplore.com) İstanbul’da 8 saniye önceden uyaran yerli bir sisteme kadar (​yenisafak.com) – bizlere yapay zekânın depremle mücadelenin vazgeçilmez bir parçası haline geldiğini gösteriyor.

Önümüzdeki dönemde, disiplinlerarası iş birlikleri sayesinde yapay zekâ destekli deprem araştırmaları daha da ivme kazanacaktır. Büyük veri, IoT ve yapay zekâ kombinasyonu, yerkabuğunu adeta gerçek zamanlı izleyen ve anlamlandıran bir “dijital göz” yaratmaktadır. Bu sayede belki de gelecekte depremler, tamamen sürpriz olmaktan çıkacak; konum ve zaman olarak olmasa da etkileri ve olasılıkları önceden hesaplanabilir doğal olaylar haline gelecektir. Türkiye de bu uluslararası çabanın bir parçası olarak, bilim insanları, özel sektörü ve kamu kurumlarıyla birlikte daha güvenli bir gelecek için yapay zekâdan en üst düzeyde faydalanmaya çalışacaktır.

Kaynaklar:

1. T. Perol ve arkadaşları. “Convolutional neural network for earthquake detection and location.” Science Advances, 4(2), e1700578, 2018 – Derin öğrenme kullanılarak deprem tespiti çalışması (ConvNetQuake)​techxplore.com​techxplore.com.
2. P. M. DeVries ve arkadaşları. “Deep learning of aftershock patterns following large earthquakes.” Nature, 560(7720), 632-634, 2018 – Yapay sinir ağlarıyla artçı deprem lokasyonu tahmini çalışması​weforum.org​weforum.org.
3. C. Hulbert ve arkadaşları. “Machine learning predictions of laboratory earthquakes.” Geophysical Research Letters, 45(3), 1321-1329, 2018 – Laboratuvar fay deneylerinde makine öğrenmesiyle deprem zamanının tahmini üzerine çalışma​ladailypost.com​ladailypost.com.
4. M. Mousavi ve arkadaşları. “Earthquake transformer—an attentive deep-learning model for simultaneous earthquake detection and phase picking.” Nature Communications, 11, 3952, 2020 – Mikro-deprem tespiti için derin öğrenme (dikkat mekanizması ile) modeli, kapsamlı deprem katalogları oluşturulması​earth.stanford.edu​earth.stanford.edu.
5. C. E. Yavaş ve arkadaşları. “Improving earthquake prediction accuracy in Los Angeles with machine learning.” Scientific Reports, 14:24440, 2024 – Los Angeles bölgesinde 30 gün içinde olabilecek depremlerin büyüklüğünü Random Forest modeliyle yüksek doğrulukta tahmin eden çalışma​tgrthaber.com.tr​tgrthaber.com.tr.
6. TechXplore Haber Servisi – “Deep learning neural network used to detect earthquakes”, 15 Şubat 2018​techxplore.com​techxplore.com. (Harvard-MIT ekibinin ConvNetQuake çalışmasını ve sonuçlarını özetlemektedir.)
7. World Economic Forum / Futurism – “Google’s new AI could help to track earthquake aftershocks”, 29 Ağustos 2018​weforum.org​weforum.org. (Harvard ve Google iş birliğiyle geliştirilen artçı deprem tahmin modeli üzerine popüler haber.)
8. ScienceDaily Haber Bülteni (Harvard University) – “Earthquakes: Attacking aftershocks”, 29 Ağustos 2018​sciencedaily.com​sciencedaily.com. (Artçı deprem tahminine dair AI çalışmasının detayları ve araştırmacı görüşleri.)
9. LANL Haber Duyurusu (ladailypost.com) – “Machine-learning Earthquake Prediction In Lab Shows Promise”, 30 Ağustos 2017​ladailypost.com​ladailypost.com. (Laboratuvar ortamında makine öğrenmesiyle deprem tahmini çalışmasının açıklaması ve önemi.)
10. Stanford Üniversitesi Haber – “AI detects hidden earthquakes”, 21 Ekim 2020​earth.stanford.edu​earth.stanford.edu. (Stanford’daki Earthquake Transformer modeli ve mikro-deprem keşifleri hakkında bilgilendirme.)
11. Nature News – “Artificial intelligence nails predictions of earthquake aftershocks”, 29 Ağustos 2018​weforum.org​weforum.org. (Yapay zekânın artçı deprem yerini tahmin başarısını ele alan haber yazısı.)
12. Y. Shen – South China Morning Post: “Chinese AI model a seismic change in earthquake prediction?”, 31 Temmuz 2024​scmp.com​scmp.com. (Çin Deprem İdaresi’nin DiTing adlı büyük yapay zekâ modelinin tanıtımı.)
13. Quartz Media – Mike Murphy: “IBM wants to predict earthquakes and volcanoes with Watson”, 23 Kasım 2015​qz.com​qz.com. (IBM’in süperbilgisayar ve yapay zekâ kullanarak deprem tahminine yönelik vizyonu üzerine haber.)
14. Israel21c – Brian Blum: “SeismicAI: AI can help detect earthquakes faster”, 12 Ağustos 2024​israel21c.org​israel21c.org. (SeismicAI startup’ının küresel deprem erken uyarı sistemi ve başarıları hakkında röportaj/haber.)
15. DHA (Demirören Haber Ajansı) – “Marmara’da depremlerle ilgili ‘yapay zeka’ çalışması”, 17 Ocak 2020​dha.com.tr​dha.com.tr. (DOHAD’ın ve İTÜ Prof. Üstündağ’ın deprem öngörüsü çalışmaları ve iddiaları üzerine haber.)
16. TGRT Haber – Hüseyin Bahçivan: “Türk bilim insanından deprem tahmininde çığır aşan başarı! Yüzde 98 doğrulukla depremi tahmin ediyor”, 24 Nisan 2025​tgrthaber.com.tr​tgrthaber.com.tr. (Cemil Emre Yavaş’ın yapay zekâ ile deprem tahmin çalışmasının Türkiye’deki yansımaları.)
17. Independent Türkçe – Esra Öz: “Türkiye’de deprem önlemi için yapay zeka kullanımı ve hibrit simülasyon neleri değiştirebilir?”, 20 Mayıs 2021​indyturk.com​indyturk.com. (Dr. Selim Günay ile röportaj; yapay zekânın deprem mühendisliğinde kullanım örnekleri ve geleceği.)
18. Independent Türkçe – “Deprem öncesi cep telefonlarına gelen erken uyarı bildirimleri hayati önem taşıyor”, 24 Nisan 2025​indyturk.com. (Android erken uyarı sisteminin İstanbul depreminde sağladığı fayda ve Kandilli’nin erken uyarı çalışmaları üzerine haber.)
19. Yeni Şafak – “İstanbul depremini önceden uyardı: Yerli erken deprem uyarı sistemi EDİS ilk sınavını geçti!”, 24 Nisan 2025​yenisafak.com​yenisafak.com. (EDİS sisteminin 23 Nisan 2025 depremindeki performansı ve sistemin özellikleri hakkında haber galerisi.)
20. Anadolu Ajansı – “Depremi önceden haber veren EDIS sistemi tanıtıldı”, 22 Haziran 2022​aa.com.tr​aa.com.tr. (EDİS projesinin tanıtım toplantısı, teknik detaylar ve hedefleri hakkında resmi haber bülteni.)