L'apprendimento automatico (ML) sta aprendo la strada a miglioramenti rivoluzionari nella previsione dei terremoti, sia quelli primari che quelli di assestamento.
Tre recenti pubblicazioni hanno sfruttato modelli di deep learning che, secondo i risultati preliminari, superano i metodi statistici convenzionali nella previsione dei terremoti.
Sebbene questi studi siano relativamente specifici - principalmente la previsione delle scosse di assestamento dopo un evento sismico importante - rappresentano un salto di qualità nella previsione dei terremoti.
Morgan Page, sismologa del Servizio geologico degli Stati Uniti (USGS) di Pasadena, in California, ha espresso il suo entusiasmo per i progressi compiuti, affermando: "Sono davvero entusiasta che questo stia finalmente accadendo".
Tuttavia, è essenziale demistificare ciò che le previsioni dei terremoti comportano. Non si tratta di individuare l'ora o il luogo esatto di un evento sismico. L'idea, da tempo diffusa, di prevedere la magnitudo, la posizione e l'ora di un terremoto, come dire "domenica prossima alle 8", non è realistica. - non è realistica.
Piuttosto, con l'aiuto di analisi statistiche, i sismologi sono ora meglio equipaggiati per valutare modelli più ampi, compresa la stima di potenziali scosse di assestamento.
L'apprendimento profondo si basa su serie di dati enormi, prevedendo le scosse successive sulla base dei dati storici dei terremoti.
Tuttavia, non è stato un viaggio semplice, poiché i grandi terremoti sono relativamente rari e i dati scarsi.
Informazioni sui documenti
Tre Studi recenti evidenziano il potenziale dell'IA nella previsione dei terremoti:
- Il geofisico Kelian Dascher-Cousineau e un team della UC Berkeley: Hanno progettato un modello testato sui terremoti della California meridionale tra il 2008 e il 2021. Il loro modello ha superato quello tradizionale nel prevedere il numero e la gamma di magnitudo delle scosse nell'arco di due settimane.
- Lo statistico Samuel Stockman dell'Università di Bristol: Il metodo di Stockman, quando è stato addestrato sui dati dei terremoti dell'Italia centrale del 2016-17, ha mostrato prestazioni superiori rispetto ai metodi convenzionali.
- Il fisico Yohai Bar-Sinai e un team dell'Università di Tel Aviv: Da sviluppato un altro modello di rete neurale che ha superato il modello convenzionale quando è stato testato su tre decenni di dati di terremoti giapponesi. Bar-Sinai ritiene che ciò potrebbe portare a una comprensione più approfondita della meccanica dei terremoti.
L'USGS e altri enti simili adotteranno presto modelli di apprendimento automatico accanto a quelli tradizionali.
Tuttavia, a prescindere dall'accuratezza della previsione, resta fondamentale prepararsi alle scosse, assicurando che gli edifici rispettino gli standard di sicurezza e che i kit di emergenza siano sempre pronti.
I progressi dell'IA supportano le strategie ambientali e di conservazione, tra cui la protezione delle risorse naturali. Foresta amazzonica e di potenziare sistemi di allarme tsunami.
