El aprendizaje automático está allanando el camino para introducir mejoras revolucionarias en la predicción de terremotos, tanto primarios como secundarios.
Tres artículos recientes han utilizado modelos de aprendizaje profundo que, según los resultados preliminares, superan a los métodos estadísticos convencionales en la predicción de terremotos.
Aunque estos estudios son relativamente específicos -principalmente la predicción de réplicas tras un gran seísmo-, suponen un salto en la predicción de terremotos.
Morgan Page, sismóloga del Servicio Geológico de Estados Unidos (USGS) en Pasadena (California), expresó su entusiasmo por los avances: "Estoy realmente emocionada de que esto esté ocurriendo por fin".
Sin embargo, es esencial desmitificar lo que implican las previsiones sísmicas. No se trata de precisar la hora o el lugar exactos de un seísmo. La idea tan arraigada de predecir la magnitud, el lugar y la hora de un seísmo, como decir "el próximo domingo a las 8 de la mañana", no es realista. - no es realista.
Más bien, con la ayuda de análisis estadísticos, los sismólogos están ahora mejor equipados para calibrar patrones más amplios, incluida la estimación de posibles réplicas.
El aprendizaje profundo prospera en conjuntos de datos masivos, prediciendo terremotos posteriores basándose en datos históricos de seísmos.
Sin embargo, no ha sido un viaje sencillo, ya que los grandes terremotos son relativamente raros y los datos escasos.
Sobre los documentos
Tres estudios recientes destacan el potencial de la IA para predecir terremotos:
- La geofísica Kelian Dascher-Cousineau y un equipo de la Universidad de Berkeley: Diseñó un modelo probado en los seísmos del sur de California entre 2008 y 2021. Su modelo superó al tradicional a la hora de predecir el número y el rango de magnitud de los seísmos en dos semanas.
- El estadístico Samuel Stockman, de la Universidad de Bristol: El método de Stockman, cuando se entrenó con los datos de terremotos del centro de Italia durante 2016-17, mostró un rendimiento superior al de los métodos convencionales.
- El físico Yohai Bar-Sinai y un equipo de la Universidad de Tel Aviv: Developed another neural network model that outperformed the conventional model when tested on three decades' worth of Japanese earthquake data. Bar-Sinai cree que esto podría conducir a una comprensión más profunda de la mecánica de los terremotos.
El USGS y otras entidades similares adoptarán pronto modelos de aprendizaje automático junto a los tradicionales.
Sin embargo, independientemente de la exactitud de la predicción, sigue siendo primordial prepararse para los seísmos, garantizando que los edificios cumplan las normas de seguridad y que los kits de emergencia estén siempre listos.
Los avances de la IA apoyan las estrategias medioambientales y de conservación, como la protección del medio ambiente. Selva amazónica y mejorar sistemas de alerta de tsunamis.
