tecnología, IA, inteligencia artificial, catástrofes naturales
16 enero 2025.- Por debajo de California se extiende un laberinto de fallas, fracturas a lo largo de las cuales enormes bloques de roca se deslizan unos con respecto a otros. Se mueven a la misma velocidad a la que crece una uña, hasta que en algún momento se sacuden con violencia y el suelo tiembla. Es inevitable: este estado se verá sacudido por terremotos destructivos. Nada se puede hacer para evitarlo. Pero saber dónde es probable que ocurran y prever su magnitud significa que la población podrá prepararse.
En otras palabras, la mejor manera de mitigar futuras catástrofes es trazar mapas del subsuelo, cartografiando cada falla y monitorizando su comportamiento.
Para crear esos mapas, los investigadores despliegan sismómetros en la superficie terrestre, pequeños dispositivos que detectan y registran todo tipo de vibraciones, en--tre ellas los terremotos. Las ondas sísmicas se parecen un poco a la música. Si identifican sus notas y cambios de ritmo, los científicos pueden averiguar qué instrumentos subterráneos las crearon, dónde se encuentran y cómo se comportan cuando se produce un movimiento brusco o una ruptura.
Se trata de una labor que siempre ha sido minuciosa, a menudo lenta y a veces imprecisa. Cuando se inició en este campo a principios de la década de 2010, Zachary Ross, profesor adjunto de geofísica del Instituto Tecnológico de California, buscó una nueva forma de avanzar. Los métodos tradicionales de la sismología pasaban por alto determinados terremotos. Y tenía que haber una manera mejor de detectarlos.
El geofísico Zachary Ross está abriendo nuevos caminos para entender el mundo que hay bajo nuestros pies. Foto: Ismail Ferdous«Disponíamos de cantidades inmensas de datos», apunta Ross. Dado que California es una zona con una intensa actividad geológica y se encuentra cuajada de sismómetros, había más datos de los que los expertos humanos podían manejar, explica.
Además, la mayoría de los movimientos de las fallas producen unos temblores minúsculos e imperceptibles. Y las ondas sísmicas que generan son tan diminutas que hasta el sismólogo más avezado puede tener dificultades para detectarlas en los datos sísmicos, sobre todo cuando se parecen al ruido de origen artificial, como el del tráfico.
En 2017 Ross tuvo una revelación. Vio cómo los programas de aprendizaje automático manejaban enormes colecciones de fotografías, identificando y categorizando elementos individuales con una precisión y a una velocidad que los humanos no podían igualar. ¿Por qué no aplicar un enfoque similar a la sismología?, pensó.
Su primer objetivo fueron aquellos microtemblores, tan diminutos como numerosos. Quizá resulten inofensivos, pero no por ello carecen de importancia: las ondas sísmicas que generan pueden dar información de cada falla que atraviesan, incluidas las más precarias y tensionadas, justo las que cualquier día pueden romperse y desencadenar una catástrofe.
Ross y sus colegas recopilaron sismo-gramas de todo el sur de California que los científicos ya habían identificado como terremotos auténticos. A partir de ellos confeccionó unas plantillas, instantáneas del patrón de ondas sísmicas de cada terremoto. Por último, ejecutó un algoritmo sobre el registro sísmico para buscar coincidencias con aquellas plantillas y así detectar terremotos que habían pasado inadvertidos.
La predicción realista de los terremotos es fundamental para la evaluación del riesgo sísmico, la prevención y el diseño seguro de las principales estructuras. Debido a la naturaleza compleja de los eventos sísmicos, es difícil identificar de manera eficiente la respuesta al terremoto y extraer características indicativas de los datos sísmicos detectados continuamente (Imagen: https://www.sciencedirect.com/science/article/pii/S1674987119301987#undfig1)
El algoritmo identificó rápidamente casi dos millones de pequeños seísmos producidos entre 2008 y 2017 que hasta entonces habían pasado desapercibidos, lo que a su vez arrojó luz sobre una compleja red de fallas y características de las mismas que las búsquedas sismológicas anteriores habían sido incapaces de detectar.
Los resultados, publicados en 2019, «eran tan buenos que inducían a dudar de si lo que teníamos delante era auténtico y cabal», explica Ross. «Es un trabajo espectacular –coincide la geofísica de la Universidad de Washington Marine Denolle, que también utiliza el aprendizaje automático en sus investigaciones–. El corpus de trabajo que contiene es impresionante».
Sin embargo, había un inconveniente. Aquel programa, una especie de precursor del verdadero software de IA, solo podía encontrar en el registro sísmico aquellos terremotos que se le había enseñado a reconocer. Los nuevos eventos sísmicos pasaban inadvertidos.
Así que Ross recurrió a herramientas más avanzadas: programas de autoaprendizaje, un software capaz de tomar información preexistente y hacer predicciones sobre el futuro; en este caso, sobre cómo sonaría una variedad mucho más amplia de terremotos. En un abrir y cerrar de ojos, aquellos programas identificaron todo tipo de seísmos de sonido desconocido, verificados posteriormente por científicos humanos. «Salen una barbaridad de cosas que se nos habían pasado por completo», afirma Ross.
Una central geotérmica enclavada junto a un tramo de la falla de San Andrés aprovecha el calor natural de la Tierra para generar electricidad. También es escenario habitual de microterremotos. Foto: Spencer LowellEstos programas de aprendizaje automático continúan evolucionando, y ya han ido más allá de la identificación de seísmos desapercibidos y fallas ocultas. Se han desplegado por toda California, donde han identificado una nueva categoría de enjambres de terremotos prolongados y de migración lenta. En Hawai descubrieron una red nunca vista de roca fundida pulsante y migratoria debajo de dos volcanes activos que los métodos tradicionales de análisis sísmico eran incapaces de identificar.
«Esto está a años luz de lo que podríamos haber hecho hace unos años –asegura Ross–. Ha alcanzado niveles sobrehumanos».
Muchos sismólogos reciben hoy el trabajo de Ross con un optimismo cauto. «Creo que puede catapultar el progreso de la sismología», dice Wendy Bohon, especialista en riesgo sísmico y terremotos. La IA multiplica y acelera las capacidades de un solo científico.
Puede procesar muchos registros sísmicos simultáneamente y representarlos con gran precisión en tres dimensiones a una velocidad inalcanzable para cualquier ser humano.
Conforme estos programas de aprendizaje automático trabajen con una precisión cada vez mayor, podrán ofrecer una imagen de gran parte del subsuelo poco profundo del planeta. Con el tiempo, también podrían utilizarse para incrementar la velocidad y la precisión de los sistemas de alerta temprana de terremotos, programas en gran medida autónomos que pronostican la probabilidad de que se produzcan daños materiales y personales en los momentos posteriores al inicio de un seísmo y envían a la población mensajes de texto de emergencia antes de que las ondas sísmicas los alcancen. Se sumarán a un conjunto cada vez más nutrido de herramientas de IA utilizadas para mitigar catástrofes.
En Tokio, por ejemplo, ciudad propensa a sufrir terremotos, el software de IA escaneará las imágenes de las cámaras situadas en puntos elevados de la metrópolis para reconocer incendios y derrumbes de edificios y alertar a las autoridades en tiempo real. Estos programas ahorrarán un tiempo precioso necesario para las labores de búsqueda y rescate.
Pero los programas de IA, por muy prometedores que sean, no sustituirán a los científicos humanos. «Solo son herramientas», reflexiona Ross. Unas herramientas que, sospecha el geofísico, con el tiempo llegarán a ser tan corrientes como los propios sismómetros.
Más información:
- Pengcheng Jiao, Amir H. Alavi. Artificial intelligence in seismology: Advent, performance and future trends, Geoscience Frontiers, Volume 11, Issue 3, 2020, Pages 739-744, ISSN 1674-9871, https://doi.org/10.1016/j.gsf.2019.10.004. (https://www.sciencedirect.com/science/article/pii/S1674987119301987)
- Kubo, H., Naoi, M. & Kano, M. Recent advances in earthquake seismology using machine learning. Earth Planets Space 76, 36 (2024). https://doi.org/10.1186/s40623-024-01982-0
COMENTARIOS