A aprendizagem automática (ML) está a preparar o caminho para melhorias revolucionárias na previsão de sismos, incluindo sismos primários e réplicas.
Três novos artigos recentes utilizaram modelos de aprendizagem profunda que, segundo resultados preliminares, superam os métodos estatísticos convencionais na previsão de terramotos.
Embora estes estudos sejam relativamente específicos - principalmente a previsão de tremores secundários após um grande evento sísmico - eles significam um salto na previsão de terramotos.
Morgan Page, uma sismóloga do Serviço Geológico dos EUA (USGS) em Pasadena, Califórnia, expressou o seu entusiasmo com o progresso, afirmando: "Estou muito entusiasmada por isto estar finalmente a acontecer".
No entanto, é essencial desmistificar o que as previsões de terramotos implicam. Não se trata de identificar a hora ou o local exactos de um evento sísmico. A ideia antiga de prever a magnitude, localização e hora de um terramoto - semelhante a dizer "no próximo domingo às 8 da manhã" - não é realista.
Em vez disso, com a ajuda de análises estatísticas, os sismólogos estão agora mais bem equipados para avaliar padrões mais alargados, incluindo a estimativa de potenciais réplicas.
A aprendizagem profunda prospera em conjuntos de dados maciços, prevendo terramotos subsequentes com base em dados históricos de terramotos.
No entanto, não tem sido uma viagem fácil, uma vez que os grandes terramotos são relativamente raros e os dados são escassos.
Sobre os documentos
Três estudos recentes destacam o potencial da IA na previsão de terramotos:
- O geofísico Kelian Dascher-Cousineau e uma equipa da Universidade da Califórnia em Berkeley: Concebeu um modelo testado nos terramotos ocorridos no sul da Califórnia entre 2008 e 2021. O seu modelo superou o modelo tradicional na previsão do número e da gama de magnitude dos sismos em duas semanas.
- Samuel Stockman, estatístico da Universidade de Bristol: O método de Stockman, quando treinado nos dados de terramotos da Itália central durante 2016-17, mostrou um desempenho superior aos métodos convencionais.
- O físico Yohai Bar-Sinai e uma equipa da Universidade de Tel Aviv: DA equipa de investigação da Universidade de Lisboa desenvolveu outro modelo de rede neural que superou o modelo convencional quando testado em três décadas de dados de terramotos japoneses. Bar-Sinai acredita que isto poderá levar a uma compreensão mais profunda da mecânica dos terramotos.
O USGS e entidades semelhantes adoptarão em breve modelos de aprendizagem automática a par dos modelos tradicionais.
No entanto, independentemente da precisão da previsão, continua a ser fundamental preparar-se para os sismos, assegurando que os edifícios cumprem as normas de segurança e que os kits de emergência estão sempre prontos.
Os avanços na IA estão a apoiar estratégias ambientais e de conservação, incluindo a proteção das Floresta amazónica e reforçar sistemas de alerta de tsunami.
