Una IA predice cuantas réplicas tendrá un terremoto y la fuerza de cada una

Sin duda para los sismólogos es una de sus metas soñadas. Pero también lo es para la sociedad entera, sobre todo para quienes viven en regiones con una gran actividad sísmica: pronosticar terremotos. Ahora, una serie de estudios, mostrarían que finalmente se están logrando avances en este apartado gracias al uso de inteligencia artificial: los modelos serían más eficientes que los usados tradicionalmente.

En total se han publicado tres artículos, uno en Geophysical Research Letters, otro en Earth’s Future y el último en Nature. Todos ellos describen modelos de aprendizaje profundo que funcionan mejor que un modelo convencional de última generación para predecir terremotos. Si bien los hallazgos son preliminares y se aplican solo a situaciones limitadas, sí han permitido evaluar el riesgo de réplicas después de que ya haya ocurrido el terremoto principal y predecir la fuerza de estas réplicas.

La idea de que los científicos puedan predecir la hora y el lugar en el que se producirá un movimiento sísmico puede ser muy seductora, pero los expertos coinciden que ahora mismo es imposible. En cambio, los análisis estadísticos están ayudando a los sismólogos a comprender tendencias más amplias, como cuántas réplicas podrían esperarse en los días o semanas posteriores a un gran terremoto.

A primera vista, las previsiones de terremotos parecen ser una aplicación obvia que hay que intentar mejorar mediante el aprendizaje profundo. Las técnicas funcionan bien cuando se les suministran grandes cantidades de datos y los utilizan para predecir los siguientes pasos en un patrón. Y la sismología es rica en datos. Así como un modelo de lenguaje grande puede entrenarse con millones de palabras para predecir qué palabra vendrá después, un modelo de pronóstico de terremotos debería poder entrenarse con catálogos de terremotos para pronosticar las posibilidades de que se produzca un terremoto después de uno que ya ha ocurrido.

Pero los investigadores han tenido dificultades para extraer tendencias significativas de todos los datos sobre terremotos. Los grandes terremotos son raros y no es fácil determinar a qué debemos prestar atención. La respuesta, por ahora, es utilizar un enfoque de red neuronal (inteligencia artificial), que es lo que han hecho los tres estudios citados.

En el primero, un equipo liderado por el geofísico Kelian Dascher-Cousineau de la Universidad de California, Berkeley, probó un modelo en un catálogo de miles de terremotos que azotaron el sur de California entre 2008 y 2021. Su modelo funcionó mejor que el estándar a la hora de pronosticar cómo muchos terremotos ocurrirían en períodos consecutivos de dos semanas. También fue eficiente a la hora de señalar la magnitud de las réplicas, reduciendo así la posibilidad de que nos encuentre desprevenidos.

El segundo estudio se llevó a cabo en la Universidad de Bristol (Reino Unido) y en él, Samuel Stockman desarrolló un método similar al anterior. Finalmente, el tercer estudio se realizó en la Universidad de Tel Aviv (Israel). Allí, el físico Yohai Bar-Sinai dirigió un equipo que desarrolló un tercer modelo de red neuronal. Cuando se comparó con 30 años de datos de terremotos de Japón, también obtuvo mejores resultados que el modelo estándar. El trabajo podría proporcionar información sobre la física fundamental de los terremotos, afirma Bar-Sinai. "Existe la esperanza de que comprendamos más sobre los mecanismos subyacentes: qué causa que se inicien los terremotos y qué determina su magnitud".

Los tres modelos son "moderadamente prometedores", afirma Leila Mizrahi, sismóloga del Instituto Federal Suizo de Tecnología (ETH) en Zúrich. No son avances en su forma actual, dice, pero muestran potencial para incorporar técnicas de aprendizaje automático a la predicción de terremotos en el día a día.

Es evidente que cada vez más agencias, gobiernos y universidades comenzarán a utilizar modelos de aprendizaje automático junto con el modelo estándar, y luego realizarán la transición completa al enfoque de aprendizaje automático si demuestra ser superior. Los modelos también podrían usarse para mejorar los pronósticos después de grandes terremotos, incluido el de magnitud 6,8 que azotó Marruecos en septiembre y mató a miles de personas.

Aún asi, Dascher-Cousineau advierte que no debemos confiar demasiado en estos nuevos modelos: “A fin de cuentas, lo más importante es prepararse para los terremotos. No podemos dejar de asegurarnos de que nuestros edificios cumplan con los códigos, solo porque tenemos un mejor modelo de pronóstico de terremotos".