El uso de la IA para la anticipación a efectos catastróficos por futuros terremotos
Desde los años 60, los geofísicos intentan predecir los terremotos, hasta la fecha sin éxito. Anticiparse a un fenómeno de este tipo requiere una cartografía y un análisis exhaustivos de las propiedades de la corteza terrestre. El equipo de investigadores de F-IMAGE ha asumido el reto de conseguirlo. Su objetivo era desarrollar nuevas imágenes funcionales de la corteza frágil para dilucidar no solo las propiedades estructurales, sino también la dinámica de las fallas. Para ello, utilizaron observaciones sísmicas existentes de alta calidad que se almacenan en grandes bancos de datos. En este empeño, el uso de la IA ha sido fundamental en términos de evaluación probabilística del riesgo sísmico. «La IA nos permite conocer las relaciones estadísticas entre estos parámetros y los registros de aceleración del suelo. En consecuencia, la IA puede aprovechar plenamente grandes conjuntos de datos para describir de forma probabilística el movimiento previsto del suelo para un terremoto concreto», afirma Michel Campillo, sismólogo francés y coordinador del proyecto. La evaluación de la evolución a corto plazo de las fallas (regiones en las que se han producido fracturas geológicas, normalmente asociadas a terremotos y otras actividades tectónicas) permite comprender mejor los procesos físicos que producen grandes terremotos y mejorar así la evaluación del riesgo.
Análisis no supervisado con la ayuda de IA
Esto no habría sido posible sin el uso de IA. «En este ingente conjunto de datos, que es imposible analizar en detalle de forma manual, hay señales evidentes como los grandes terremotos, pero nuestra pretensión es profundizar en las señales débiles y las evoluciones continuas de las rocas de la corteza», afirma Campillo. La aplicación del aprendizaje profundo, un subcampo de la IA que utiliza redes neuronales artificiales para imitar el modo en que las neuronas del cerebro interactúan con varias capas de procesamiento, permite elaborar con éxito modelos de relaciones y patrones complejos dentro de los datos. Asimismo, en los últimos años se ha desarrollado rápidamente el uso de la IA para enseñar a las máquinas a reconocer terremotos y detectarlos muy rápidamente entre grandes masas de datos. Pero lo que diferencia al proyecto F-IMAGE es su metodología, que se basa en el aprendizaje no supervisado, un tipo de análisis de datos sin datos de entrenamiento etiquetados. «La idea es utilizar una representación matemática de las señales que sea óptima en el sentido de que capte muchas propiedades de diferentes escalas temporales y permita expresar la máxima cantidad de información», afirma el coordinador del proyecto. Además, la información global puede extraerse sin suposiciones previas al no depender únicamente de las características aprendidas. Por tanto, este enfoque de minería de datos aprovecha las herramientas y la experiencia de la IA, especialmente cuando se trata de grandes conjuntos de datos.
Avances metodológicos
Además de avanzar en el uso del aprendizaje no supervisado, el proyecto ha introducido una técnica para detectar y localizar terremotos pequeños. Este método utiliza datos procedentes de una red de sensores u observatorios y tiene en cuenta limitaciones físicas, como las variaciones en el tiempo que tardan las ondas sísmicas en desplazarse a través de la Tierra. Al tener en cuenta estas propiedades globales y limitaciones físicas, la técnica del proyecto mejora la precisión y efectividad en la detección y localización de terremotos. Para mejorar la capacidad de detección de los seísmos, los investigadores introdujeron pasos de cuantificación estadística que se derivan directamente de métodos de aprendizaje profundo y se nutren de grandes bases de datos etiquetadas. El proyecto desempeñó un papel fundamental en el avance de las técnicas que utilizan las vibraciones sísmicas de fondo para crear imágenes de las características geológicas de la Tierra y sus cambios temporales. «F-IMAGE es un método innovador en el campo de la sismología en rápida evolución. Su aplicación se centra en las zonas de fallas y emplea diversos avances metodológicos, como el uso de ondas corporales, el aprovechamiento de técnicas de obtención de imágenes acústicas y ópticas, y el análisis de la energía sísmica de dispersión múltiple», afirma Campillo. En el futuro, existe un gran potencial para aplicar los avances metodológicos en los que Campillo y su equipo han estado trabajando a otras áreas, ya que estas innovadoras técnicas pueden emplearse más allá de la sismología. Por ejemplo, los profesionales del sector médico o industrial se beneficiarán de una mejor supervisión y análisis de datos.
Palabras clave
F-IMAGE, IA, terremotos, actividad sísmica, movimiento del suelo, aprendizaje profundo, sismología, dinámica de fallas
