Buscan que la Inteligencia Artificial ayude a predecir terremotos.

Incontables cantidades de dólares y carreras científicas enteras han sido dedicadas a predecir dónde y cuándo ocurrirá el próximo gran terremoto. Sin embargo, a diferencia del pronóstico del tiempo, el cual ha mejorado significativamente con el uso de mejores satélites y modelos matemáticos más poderosos, la predicción de los sismos ha estado llena de repetidos fracasos.

Algunos de los terremotos más destructivos del mundo, como China en 2008, Haití en 2010 y Japón en 2011, entre ellos, ocurrieron en áreas que los mapas de riesgo sísmico habían considerado relativamente seguros. El último gran terremoto en Los Ángeles, Northridge en 1994, ocurrió en una falla que no aparecía en los mapas sísmicos.

Ahora, con la ayuda de la inteligencia artificial, un número cada vez más grande de científicos afirma que los cambios en la manera en la que pueden analizar enormes cantidades de datos, puede ayudarles a entender mejor los terremotos, anticipar cómo se comportarán y proveer alertas anticipadas más rápidas y precisas.

“Estoy verdaderamente esperanzado por primera vez en mi carrera de que lograremos avances sobre este problema”, dijo Paul Johnson, un profesor en Los Alamos National Laboratory, quien está entre aquellos que encabezan esta investigación.

Bien conscientes de los fracasos anteriores en la predicción de terremotos, los científicos se muestran cautelosos cuando se les pregunta cuánto han avanzado en el uso de la IA (Inteligencia Artificial). Algunos en el campo se refieren a las predicciones como “la palabra P”, porque no quieren ni siquiera insinuar que es posible. Sin embargo, un objetivo importante, afirman, es tener la capacidad de proveer pronósticos confiables.

Las probabilidades de terremotos que se proporcionan en los mapas de peligro sísmico, por ejemplo, tienen consecuencias cruciales, especialmente al instruir a los ingenieros sobre cómo deben construir los edificios. Los críticos dicen que estos mapas son notablemente inexactos.

Un mapa de Los Ángeles enumera la probabilidad de que un terremoto produzca fuertes sacudidas en un período de tiempo determinado, generalmente 50 años. Esto se basa en una fórmula compleja que toma en cuenta, entre otras cosas, la distancia desde una falla, la rapidez con que un lado de la falla se mueve más allá de la otra y la recurrencia de terremotos en el área.

Un estudio dirigido por Katherine M. Scharer, geóloga del Servicio Geológico de los Estados Unidos, estimó las fechas de nueve terremotos anteriores a lo largo de la parte sur de California de la falla de San Andrés que se remonta al siglo VIII. El último gran terremoto en San Andrés fue en 1857.

Falla de San Andrés ubicada en California, Estados Unidos. 

Dado que el intervalo promedio entre estos grandes terremotos fue de 135 años, una interpretación común es que el sur de California está previsto para un gran terremoto. Sin embargo, los intervalos entre los terremotos son tan variados, que van desde los 44 años hasta los 305 años, que tomar el promedio no es una herramienta de predicción muy útil. Un gran terremoto podría venir mañana, o podría ocurrir en un siglo y medio o más.

Esta es una de las críticas de Philip Stark, decano asociado de la Universidad de California, Berkeley, en la División de Ciencias Matemáticas y Físicas. El Dr. Stark describe el sistema general de probabilidades de terremotos como “en algún lugar entre sin sentido y engañoso” y ha pedido que se elimine.

La nueva investigación sobre terremotos relacionada con la IA se basa en redes neuronales , la misma tecnología que ha acelerado el progreso de todo, desde asistentes digitales que hablan hasta autos sin conductor . Modelado libremente en la red de neuronas en el cerebro humano, una red neuronal es un sistema matemático complejo que puede aprender tareas por sí solo.

Los científicos dicen que los datos sísmicos son notablemente similares a los datos de audio que empresas como Google y Amazon utilizan en el entrenamiento de redes neuronales para reconocer comandos hablados en asistentes digitales de mesa de café como Alexa. Al estudiar los terremotos, es la computadora que busca patrones en montañas de datos en lugar de confiar en los ojos cansados ​​de un científico.

“En lugar de una secuencia de palabras, tenemos una secuencia de mediciones de movimiento en el suelo”, dijo Zachary Ross, investigadora del Laboratorio Sismológico del Instituto de Tecnología de California que está explorando estas técnicas de IA. “Estamos buscando los mismos tipos de patrones en estos datos”.

Brendan Meade, profesor de ciencias de la tierra y planetarias en Harvard, comenzó a explorar estas técnicas después de pasar un año sabático en Google, una compañía a la vanguardia de la investigación en IA .

Su primer proyecto mostró que, al menos, estos métodos de aprendizaje automático podrían acelerar significativamente sus experimentos. Él y sus estudiantes graduados utilizaron una red neuronal para realizar un análisis de terremotos 500 veces más rápido que en el pasado. Lo que una vez tomó días ahora tomó minutos.

El Dr. Meade también descubrió que estas técnicas de IA podrían conducir a nuevas ideas. En el otoño, junto con otros investigadores de Google y Harvard, publicó un artículo que muestra cómo las redes neuronales pueden pronosticar las réplicas de terremotos. Él cree que este tipo de proyecto representa un cambio enorme en la forma en que se realiza la ciencia del terremoto. Trabajos similares están en marcha en lugares como Caltech y la Universidad de Stanford.

“Estamos en un punto donde la tecnología puede funcionar tan bien como, o mejor que, los expertos humanos”, dijo el Dr. Ross.

Conducir ese optimismo cauteloso es la creencia de que a medida que los sensores se hacen más pequeños y más baratos, los científicos podrán recopilar grandes cantidades de datos sísmicos. Con la ayuda de redes neuronales y técnicas de IA similares, esperan obtener nuevos conocimientos de todos estos datos.

El Dr. Ross y otros investigadores de Caltech están utilizando estas técnicas para construir sistemas que puedan reconocer con mayor precisión los terremotos a medida que ocurren y anticipar dónde está el epicentro y dónde se extenderá el temblor.

Japón y México tienen sistemas de alerta temprana, y California acaba de lanzar su propio sistema. Pero los científicos dicen que la inteligencia artificial podría mejorar en gran medida su precisión, ayudando a predecir la dirección e intensidad de una ruptura en la corteza terrestre y proporcionando advertencias previas a los hospitales y otras instituciones que podrían beneficiarse de unos pocos segundos adicionales de preparación.

“Cuantos más detalles tenga, mejores serán sus pronósticos”, dijo el Dr. Ross.

Los científicos que trabajan en estos proyectos dijeron que las redes neuronales tienen sus límites. Aunque son buenos para encontrar señales familiares en los datos, no son necesariamente adecuados para encontrar nuevos tipos de señales, como los sonidos que hacen las placas tectónicas cuando se mueven juntas.

Pero en Los Álamos, el Dr. Johnson y sus colegas han demostrado que una técnica de aprendizaje automático llamada “bosques aleatorios” puede identificar señales previamente desconocidas en una falla simulada creada dentro de un laboratorio. En un caso, su sistema mostró que un sonido particular producido por la falla, que los científicos pensaban que no tenía sentido, era en realidad una indicación de cuándo llegaría un terremoto.

Algunos científicos, como Robert Geller, un sismólogo de la Universidad de Tokio, no están convencidos de que la IA mejore los pronósticos de terremotos. Cuestiona la premisa de que los terremotos pasados ​​pueden predecir los futuros. Y en última instancia, dijo, solo sabríamos la efectividad de los pronósticos de IA cuando los terremotos se pueden predecir más allá de la posibilidad aleatoria.

“No hay atajos”, dijo el Dr. Geller. “Si no puedes predecir el futuro, entonces tu hipótesis es errónea”.

Referencias:

Los Alamos National Laboratory

Deja un comentario

Your email address will not be published.

error: El contenido está protegido.