Avance científico
En un esfuerzo por reducir el riesgo sísmico, los expertos en sismología han comenzado a utilizar la inteligencia artificial para anticipar eventos sísmicos. Esta tarea, aunque ambiciosa, ha dado sus frutos con la publicación de tres nuevos artículos que describen modelos de aprendizaje profundo superando a los métodos convencionales en dicha tarea.
Actualmente, estos resultados son preliminares y su aplicación se limita a situaciones específicas, como en la evaluación del riesgo de réplicas después de un gran terremoto. Sin embargo, representan un progreso notable en el uso del aprendizaje automático para minimizar el riesgo sísmico, según destaca un artículo publicado en la prestigiosa revista Nature.
Los pronósticos de sismos no se asemejan a la predicción del clima. Estos no son predicciones de un evento de una magnitud particular que ocurre en un lugar particular en un momento particular, el escenario de 'el próximo martes a las 3 p.m.'. Sin embargo, gracias a análisis estadísticos, los sismólogos pueden entender tendencias más generales, como cuántas réplicas pueden esperarse en días a semanas después de un gran terremoto.
Las técnicas de aprendizaje profundo presentan una oportunidad particularmente atractiva para mejorar los pronósticos de terremotos debido a su capacidad para procesar, analizar y sintetizar grandes cantidades de datos para predecir patrones. En este sentido, la sismología se presta a este tipo de análisis, ya que cuenta con una gran cantidad de datos en forma de catálogos de terremotos que ocurren en todo el mundo.
En los últimos años, los sismólogos han utilizado el aprendizaje automático para descubrir pequeños terremotos no detectados previamente en los registros sísmicos. Estos terremotos han proporcionado nuevo material para una segunda ronda de análisis de inteligencia artificial.
Los modelos actuales del USGS se basan en datos básicos sobre magnitudes y ubicaciones de terremotos pasados para hacer predicciones. Los tres nuevos artículos, en cambio, utilizan una red neuronal, que actualiza los cálculos en cada paso del análisis para capturar mejor los patrones complejos de cómo ocurren los terremotos.
Kelian Dascher-Cousineau, geofísico de la Universidad de California, Berkeley, y sus colegas probaron su modelo en un catálogo de miles de terremotos que golpearon el sur de California entre 2008 y 2021. Su modelo superó al estándar en la predicción de cuántos terremotos ocurrirían en períodos de dos semanas y fue mejor para capturar el rango de magnitud completo de posibles terremotos, reduciendo así la posibilidad de una gran sorpresa.
En la Universidad de Bristol, Reino Unido, el estadístico aplicado Samuel Stockman desarrolló un método similar que funcionó bien cuando se entrenó en un catálogo de terremotos que sacudieron el centro de Italia entre 2016 y 2017.
Y en la Universidad de Tel Aviv en Israel, el físico Yohai Bar-Sinai lideró un equipo que desarrolló un tercer modelo de red neuronal. Cuando se probó contra 30 años de datos de terremotos en Japón, también superó al modelo estándar.
A pesar de estos avances, es fundamental recordar que la preparación ante los terremotos sigue siendo esencial. No podemos dejar de asegurarnos de que nuestros edificios estén al día, no podemos dejar de tener nuestros kits de terremotos, solo porque tenemos un mejor modelo de predicción de terremotos.
