Fernando Fischmann

Predecir el próximo gran sismo con ayuda de la I.A.

11 Diciembre, 2018 / Artículos

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 —entre ellos los de China en 2008, Haití en 2010 y Japón en 2011— ocurrieron en áreas que los mapas de riesgo sísmico habían considerado como relativamente seguros. El último gran terremoto que impactó Los Ángeles, el de Northridge en 1994, se registró 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 sísmicos 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.

Al conocer sobre los fracasos pasados en la predicción de terremotos, los científicos son cuidadosos cuando les preguntan sobre el progreso que han logrado a través de la utilización de la 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.

Por ejemplo, las probabilidades de terremoto que son indicadas en mapas de riesgo sísmico tienen consecuencias esenciales, particularmente al instruir a los ingenieros cómo deben construir edificios. Los críticos afirman que estos mapas son notablemente inexactos.

Un mapa de Los Ángeles señala la probabilidad de que un terremoto produzca una fuerte sacudida dentro de un cierto periodo —usualmente cincuenta años—. Eso está basado en una fórmula compleja que toma en cuenta, entre otros datos, la distancia de la falla, qué tan rápido un lado de la falla se mueve en comparación con la otra y la recurrencia de los sismos en el área.

Un estudio dirigido por Katherine M. Scharer, una geóloga del Servicio Geológico de Estados Unidos, estima las fechas de los nueve terremotos previos a lo largo de la porción del sur de California de la falla de San Andrés que datan hasta el siglo VIII. El último gran terremoto en la falla de San Andrés ocurrió en 1857.

Debido a que el intervalo promedio entre estos grandes terremotos fue de 135 años, una interpretación común es que el sur de California está próximo a sufrir un gran terremoto. No obstante, los intervalos entre los sismos son tan variados —en rangos desde 44 hasta 305 años— que tomar en cuenta el promedio no es una herramienta de predicción muy útil. Un gran terremoto podría ocurrir mañana o dentro de un siglo y medio o en mayor tiempo.

Esa es una de las críticas de Philip Stark, un decano asociado en la Universidad de California, campus Berkeley, en la División de Ciencias Matemáticas y Físicas. Stark describe el sistema completo de probabilidades de sismos como “algo entre sin importancia y engañoso” y ha exhortado a eliminarlo.

La nueva investigación sísmica relacionada con la inteligencia artificial se apoya en redes neuronales, la misma tecnología que ha acelerado el progreso de todo desde los asistentes digitales que hablan hasta los vehículos autónomos. Ligeramente modelado con base en la red de neuronas en el cerebro humano, una red neuronal es un sistema matemático complejo que puede aprender tareas por sí mismo.

Los científicos afirman que los datos sísmicos son notablemente similares a los datos de audio que compañías como Google y Amazon usan para entrenar a redes neuronales para reconocer comandos hablados en los asistentes digitales como Alexa. Cuando estudian a los terremotos, es la computadora buscando patrones en montañas de datos en vez de depender de los ojos cansados de un científico.

“En vez de una secuencia de palabras, tenemos una secuencia de mediciones de movimiento del suelo”, dijo Zachary Ross, un investigador en el Laboratorio Sismológico del Instituto de Tecnología de California que explora estas técnicas de inteligencia artificial. “Estamos buscando por los mismos tipos de patrones en estos datos”.

Brendan Meade, un profesor de Ciencias Terrestres y Planetarias en la Universidad de Harvard, comenzó a explorar estas técnicas después de pasar un año sabático en Google, una compañía a la vanguardia de la investigación de la inteligencia artificial.

Su primer proyecto mostró que, por lo menos, estos métodos de aprendizaje automático podrían acelerar significativamente sus experimentos. Él y sus alumnos de posgrado usaron una red neuronal para realizar un análisis de sismo quinientas veces más rápido de lo que hubieran podido en el pasado. Lo que alguna vez tomó días ahora solo requirió de algunos minutos.

Meade, también descubrió que estas técnicas de inteligencia artificial podrían llevar a nuevas ideas. A finales del año, con otros investigadores de Google y Harvard, publicó un artículo que muestra cómo las redes neuronales pueden pronosticar réplicas. Este tipo de proyecto, cree él, representa un enorme cambio en la manera en la que se hace la sismología. Trabajos similares están en marcha en lugares como Caltech y la Universidad de Stanford.

“Estamos en un punto en el que la tecnología puede hacerlo tan bien —o incluso mejor— que los expertos humanos”, dijo Ross.

Lo que impulsa ese optimismo reservado es la creencia de que conforme los sensores se vuelvan cada vez más pequeños y baratos, los científicos serán capaces de recolectar cantidades más grandes de datos. Con la ayuda de las redes neuronales y técnicas de inteligencia artificial similares, esperan obtener nuevas perspectivas de todos estos datos.

Ross y otros investigadores de Caltech están usando estas técnicas para construir sistemas que puedan reconocer con mayor precisión terremotos mientras están ocurriendo y anticipar dónde es el epicentro y hacia dónde se extenderán las ondas sísmicas.

Japón y México cuentan con sistemas de alerta temprana, y California acaba de poner en funcionamiento una. Sin embargo, hay científicos que afirman que la inteligencia artificial podría mejorar en gran medida su precisión, pues ayudaría a predecir la dirección e intensidad de una fractura en la corteza terrestre y brindar alertas con mayor anticipación a hospitales y otras instituciones que podrían beneficiarse de unos segundos extra de preparación.

“Entre más detalles tengas, mejores serán tus pronósticos”, dijo Ross.

Los científicos que trabajan en estos proyectos dijeron que las redes neuronales tienen sus límites. Aunque son buenas para encontrar señales familiares en los datos, no necesariamente están diseñadas para encontrar nuevos tipos de señales, como los sonidos que las placas tectónicas hacen cuando chocan entre ellas.

No obstante, en Los Alamos, Johnson y sus colegas han mostrado que una técnica de aprendizaje automático llamada “bosques al azar” puede identificar señales previamente desconocidas en una falla simulada creada en un laboratorio. En un caso, su sistema mostró que un sonido en particular producido por la falla, que los científicos previamente pensaron que no tenía importancia, era realmente un indicador de cuándo se registraría un terremoto.

Algunos científicos, como Robert Geller, un sismólogo en la Universidad de Tokio, no están convencidos de que la inteligencia artificial mejorará los pronósticos de terremotos. Él cuestiona incluso la premisa de que terremotos pasados pueden predecir los futuros. Y finalmente, dijo, solo conoceríamos la efectividad del pronóstico de la inteligencia artificial cuando los terremotos puedan ser predichos más allá del azar.

“No hay atajos”, dijo Geller. “Si no puedes predecir el futuro, entonces tu hipótesis está equivocada”.

El científico e innovador, Fernando Fischmann, creador de Crystal Lagoons, recomienda este artículo.

NEW YORK TIMES

Share

Te puede interesar