Debajo de California se extiende un intrincado sistema de fallas tectónicas, donde grandes bloques de roca se deslizan unos sobre otros. Estos movimientos suelen ser lentos y constantes, a menudo imperceptibles para las personas. Sin embargo, en ciertas ocasiones, el movimiento acumulado libera una gran cantidad de energía, lo que provoca un terremoto.
Estas fallas tectónicas, como la falla de San Andrés, son puntos críticos donde se originan los terremotos en el estado. Estos fenómenos son inevitables y, aunque no pueden evitarse, los sismólogos estudian estas zonas para comprender mejor dónde es probable que ocurran los próximos sismos y cuánta energía podrían liberarse. Este conocimiento permite a las comunidades planificar y reducir el impacto de futuros terremotos destructivos.
Durante décadas, los sismólogos han confiado en métodos tradicionales para detectar y monitorear terremotos, utilizando principalmente sismómetros que registran las vibraciones en la Tierra. Estas máquinas, situadas en la superficie, capturan las ondas sísmicas generadas por los terremotos, las cuales pueden proporcionar información clave sobre la ubicación y el comportamiento de las fallas.
Sin embargo, estos métodos han demostrado ser limitados. Muchos terremotos pequeños, que no son perceptibles para los seres humanos, a menudo pasan desapercibidos incluso para los sismólogos más experimentados. Las ondas sísmicas que emiten estos pequeños sismos pueden confundirse fácilmente con el ruido de fondo, como el generado por el tráfico o la actividad industrial. Este proceso de identificación ha sido históricamente lento y, en ocasiones, impreciso, lo que dificulta un mapeo completo de las fallas tectónicas y la predicción de eventos mayores.
Un grupo de investigadores liderado por Zachary Ross, geofísico del Instituto Tecnológico de California (Caltech), decidió buscar una forma más eficiente de detectar pequeños terremotos y analizar grandes cantidades de datos sísmicos. Inspirado por los avances en el aprendizaje automático, Ross se dio cuenta de que la tecnología utilizada para analizar grandes conjuntos de imágenes también podría aplicarse a la sismología.
El aprendizaje automático, una rama de la inteligencia artificial, es capaz de identificar patrones en datos masivos de manera mucho más rápida y precisa que los humanos. Ross pensó que, si los algoritmos podían clasificar millones de imágenes, podrían igualmente identificar los sismos que pasaban desapercibidos en el registro sísmico de California. Este enfoque prometía superar las limitaciones de los métodos tradicionales, procesando los datos de manera automática y reconociendo terremotos que los programas anteriores no pudieron detectar.
El uso del aprendizaje automático en la sismología pronto dio resultados sorprendentes. Ross y su equipo implementaron un algoritmo que analizaba los registros sísmicos del sur de California. El software comparaba las formas de ondas de terremotos ya identificadas por sismólogos humanos con las de los eventos sísmicos registrados, buscando coincidencias en patrones que pudieran revelar terremotos previamente ocultos.
El impacto fue inmediato: el algoritmo identificó casi dos millones de pequeños terremotos que habían pasado desapercibidos entre 2008 y 2017. Este descubrimiento reveló una red intrincada de fallas y características geológicas que antes no se habían detectado. Los resultados fueron publicados y recibieron elogios en la comunidad científica. Para muchos, este avance permitió un entendimiento más profundo del subsuelo de California y las potenciales amenazas sísmicas que alberga.
A pesar de los avances logrados con el aprendizaje automático, el primer algoritmo desarrollado por Ross y su equipo tenía una clave de limitación: solo podía detectar terremotos que coincidieran con los patrones sísmicos que ya se le habían enseñado. Esto significaba que nuevos tipos de eventos sísmicos, con características diferentes, pasaban desapercibidos.
El sistema estaba diseñado para buscar únicamente sismos similares a los ya conocidos, lo que restringía su capacidad para identificar nuevos fenómenos. Esta limitación subrayaba la necesidad de desarrollar herramientas más avanzadas que pudieran detectar no solo los terremotos ya estudiados, sino también los eventos sísmicos desconocidos, lo que permitiría un mapeo más completo del comportamiento de las fallas.
Para superar las limitaciones de los primeros algoritmos, Ross y su equipo recurrieron a programas de autoaprendizaje, una versión más avanzada del aprendizaje automático. Estos programas no solo aprendían de datos existentes, sino que también podían hacer predicciones sobre nuevos eventos sísmicos. El software fue diseñado para identificar terremotos que no habían sido reconocidos antes, analizando una mayor diversidad de señales sísmicas.
Gracias a estos avances, los nuevos algoritmos descubrieron una variedad de terremotos de los que no se tenía registro, y muchos de estos eventos fueron confirmados más tarde por sismólogos humanos. Este enfoque permitió encontrar redes sísmicas previamente invisibles, como una red de roca fundida migratoria bajo dos volcanes activos en Hawái. Los métodos tradicionales de análisis no habían logrado detectar estas características, lo que demuestra que el uso de IA ha llevado la sismología a niveles de precisión y rapidez sin precedentes.
El uso de inteligencia artificial en la sismología está transformando la forma en que los científicos monitorean y comprenden los terremotos. A medida que los programas de aprendizaje automático continúan mejorando, su potencial se extiende más allá de la simple identificación de pequeños sismos. Estos algoritmos ya se han implementado en sistemas de monitoreo en toda California, y su capacidad para detectar terremotos con rapidez y precisión los convierte en herramientas valiosas para la alerta temprana.
Los sistemas de alerta temprana basados en IA pueden predecir el comportamiento de las fallas en tiempo real, lo que permite alertar a las personas unos segundos antes de que las ondas sísmicas lleguen a la superficie. Estos programas, en gran parte automatizados, podrían mejorar significativamente la protección de vidas y propiedades al enviar mensajes de advertencia antes de que se produzca el impacto. Además, la IA ya está siendo utilizada en otros lugares propensos a desastres, como Tokio, donde ayuda a identificar incendios y derrumbes causados por terremotos, acelerando los esfuerzos de búsqueda y rescate.
El avance de la inteligencia artificial en la sismología también plantea desafíos importantes para la comunidad científica. Muchos geocientíficos que no están familiarizados con las herramientas de aprendizaje automático se enfrentan a la necesidad de ponerse al día en su uso y comprensión. La pregunta clave es cómo capacitar a los sismólogos para que puedan interpretar y evaluar adecuadamente los resultados generados por estos algoritmos.
Wendy Bohon, experta en peligros sísmicos, destaca la importancia de que los científicos entiendan “lo que sucede bajo el capó” de estos sistemas, para poder validar sus hallazgos de manera efectiva. A medida que estas tecnologías se vuelven más precisas, existe la preocupación de que una brecha de conocimiento pueda surgir entre quienes dominan el uso de la IA y quienes no, lo que podría afectar la capacidad de la comunidad sismológica para evaluar de manera crítica los productos. generados por estas herramientas avanzadas.
