Los geólogos estadounidenses y británicos han creado un nuevo sistema de inteligencia artificial capaz de predecir terremotos y lo han probado con éxito en un simulador de terremotos de laboratorio, según un artículo publicado en la revista GRL.
“Por primera vez, pudimos utilizar un sistema de aprendizaje automático para analizar datos acústicos y predecir un terremoto mucho antes de que realmente suceda. Esto nos permite tener el tiempo suficiente para alertar y evacuar a la población de manera oportuna. Es asombroso las oportunidades que nos brinda la inteligencia artificial”, dijo Colin Humphries de la Universidad de Cambridge.
Los terremotos y otros cataclismos peligrosos asociados con el interior de la Tierra ocurren con mayor frecuencia en los límites de las fallas entre las placas tectónicas, cuyo movimiento a menudo se ve impedido por irregularidades en sus bordes. Cuando el movimiento de las placas se detiene, la energía potencial se acumula en el punto de contacto, que puede liberarse en forma de calor y potentes ráfagas de ondas acústicas en el momento en que las rocas en estas irregularidades no pueden resistir y romperse.
Los científicos llevan mucho tiempo tratando de comprender qué procesos controlan la acumulación de esta energía y también están buscando formas de "ver a través" del interior de la Tierra para que podamos aprender sobre la aparición de tales zonas de tensión tectónica y predecir la probabilidad, la fuerza y el tiempo de aparición de nuevos temblores por sus propiedades.
norte
A pesar del enorme progreso en esta área, tales predicciones siguen siendo extremadamente inexactas, lo que a menudo da lugar a disputas entre científicos y políticos a quienes no les gusta la ambigüedad. Por ejemplo, los sismólogos que predijeron incorrectamente la magnitud del terremoto de L'Aquila en Italia en 2009 recibieron condenas reales de prisión por "desinformación" de la población y la muerte de unas trescientas personas. Esto desmotiva aún más a los sismólogos y otros científicos para hacer predicciones específicas para el futuro.
Según Humphreys, una de las razones por las que las predicciones actuales de terremotos son inexactas o erróneas es que los sismógrafos y otros dispositivos de observación reciben innumerables señales, solo algunas de las cuales están asociadas con la acumulación de energía en los límites de las fallas, mientras que otras son generadas por otros fenómenos., no conectado de ninguna manera con los procesos tectónicos.
En algunos casos, estos "obstáculos" pueden eliminarse, y luego el pronóstico es bastante preciso, y en otros casos, como el desastre de 2009, el fracaso en este sentido termina de manera impredecible.
Problemas similares, como señalaron Humphreys y sus colegas, hoy están siendo resueltos por representantes de una ciencia completamente diferente: ingenieros informáticos involucrados en el desarrollo de varios sistemas de aprendizaje automático e inteligencia artificial. Una característica clave de las redes neuronales modernas es que pueden analizar datos muy "sucios" y encontrar en ellos lo que se necesita para resolver un problema: por ejemplo, para clasificar imágenes de gatos y perros o el reconocimiento de voz en una habitación ruidosa.
Video promocional:
Guiados por esta idea, los científicos han creado un "emulador de terremotos" especial en el Laboratorio Nacional de Los Alamos en los EE. UU., Que imita completamente lo que sucede en las fallas cuando nacen nuevos temblores, y lo usaron para enseñar a la red neuronal a "ver" las huellas de futuros terremotos. en el conjunto de datos que recopilan los sismógrafos.
Después de algún tiempo, la máquina aprendió a predecir correctamente los terremotos de "laboratorio" con un alto grado de precisión y confiabilidad; esto, según los científicos, muestra que se pueden usar métodos similares para predecir la situación sísmica real. Por otro lado, lo más probable es que el algoritmo actual aún no se pueda utilizar para estos fines, ya que no fue "entrenado" con datos reales, sino con su imitación, y por lo tanto sus predicciones pueden ser bastante inexactas cuando se trabaja en campo.
