La inteligencia artificial (IA) está siendo una gran revolución para todos los campos, ya sea en tecnología, medicina o medio ambiente. Ya habíamos visto cómo ayudaba la inteligencia artificial en la detección del cáncer, y ahora os contamos la utilidad de la inteligencia artificial para detectar y prevenir terremotos.
Dos estudios de la Universidad de Harvard, muestran cómo la inteligencia artificial para detectar y prevenir terremotos, puede predecir las réplicas que prosiguen a los movimientos sísmicos. En un estudio han usado redes neuronales para detectar terremotos pequeños, como los causados por actividades del hombre industriales, como el fracking. Mientras que en otro estudio, explican cómo la inteligencia artificial ayuda a saber más sobre los terremotos y así poder predecirlos.
Inteligencia artificial para detectar terremotos pequeños
Los sismógrafos que se suelen emplear para la detección de terremotos son bastante precisos y funcionan bien, pero aun así, no pueden anticiparse y no llegan a detectar los sismos más pequeños y que se suelen considerar “ruido”. Estos pequeños temblores son muy abundantes y frecuentes, y la mayoría, no están producidos por causas naturales, sino que son debidos al proceso de extracción de gas mediante fractura hidráulica (fracking).
Un equipo de investigación de la Universidad de Harvard, ha desarrollado una red neuronal de inteligencia artificial denominada “ConvNetQuake”, la cual puede detectar y localizar pequeños movimientos de tierra de forma precisa. Lo que han hecho, es alimentar una red neuronal de aprendizaje profundo para leer sismogramas y enseñar a distinguir la diferencia entre el “ruido” de movimiento terrestre de rutina y los terremotos.
Este sistema de inteligencia artificial para detectar y prevenir terremotos, se basa en la “convolución” o “eco” de las vibraciones. ConvNetQuake usa un algoritmo para etiquetar la actividad sísmica como “ruido” o como un evento real de terremoto. Continuamente busca datos sísmicos para detectar terremotos de baja magnitud, similares a temblores previamente conocidos. Así, poco a poco va aprendiendo a reconocerlos.
Los autores, liderados por el profesor Thibaut Perol, probaron el rendimiento de ConvNetQuake en el centro de Oklahoma, donde el algoritmo detectó exitosamente los 209 eventos catalogados en julio de 2014. Además, clasificó los eventos de ruido como tales el 94% de las veces.
Actualmente, los sismógrafos pueden precisar el lugar en qué se producen terremotos mediante la combinación de sus datos y triangulación, pero estos detectores no siempre muestran la diferencia entre el movimiento de tierra normal y los temblores pequeños. Sin embargo, mediante la inteligencia artificial, con un sólo sismógrafo, la red neuronal aprende a identificar un pequeño terremoto y situarlo de forma efectiva y más rápida.
Según los autores, ConvNetQuake es más rápido y más preciso que otros métodos de detección de terremotos y puede ser útil para la advertencia temprana del terremoto. Detectar estos terremotos ha sido un desafío, pero hacerlo es clave para entender sus causas. Además, registrarlos en catálogos más completos, es la base de muchos modelos de riesgo sísmico.
Inteligencia artificial también para prevenir terremotos mayores
Por otra parte, Phoebe DeVries, investigadora del departamento de Astronomía de la Universidad de Harvard, ha colaborado con Google para usar la inteligencia artificial para detectar y prevenir terremotos.
Su estudio muestra cómo los terremotos suelen producirse de forma secuencial, comenzando por un temblor inicial y terminando con varias réplicas de menor magnitud que el temblor principal. Predecir estas réplicas no es fácil, pero con los expertos en machine learning de Google, han usado el aprendizaje profundo (deep learning) para determinar dónde podrían producirse las réplicas, entrenando el sistema con información de más de 118 terremotos importantes de todo el mundo.
Posteriormente, con dicha información, han creado una red neuronal que analiza la relación entre el temblor inicial y las réplicas, y han conseguido así un modelo bastante más completo de las ubicaciones de las réplicas, lo que podría ayudar para desplegar servicios de emergencias y evacuar zonas en riesgo de réplica; así como para establecer medidas de prevención de terremotos y construir casas antisísmicas en donde sea necesario.
Además, según DeVries, “con el estudio también obtuvimos un resultado inesperado que nos puede ayudar a comprender mejor la causa de los terremotos, y no solo de las réplicas. Al aplicar redes neuronales al conjunto de datos, pudimos observar de cerca los factores concretos que considera importante o útiles para esa predicción, en vez de solo tomar los resultados de las predicciones tal cual. Esto abre nuevas posibilidades a teorías físicas que nos permitan comprender mejor este fenómeno de la naturaleza”.
Fuente principal: El Independiente
