En el desafiante terreno de la sismología, uno de los mayores riesgos tras un terremoto no es necesariamente el primer temblor, sino las réplicas que pueden ocurrir minutos u horas después, muchas veces causando daños mayores. La ciencia ha luchado durante décadas para anticiparlas con precisión, y aunque existen modelos matemáticos efectivos, su procesamiento requiere tiempo. Hoy, gracias a la inteligencia artificial, esa espera podría reducirse a solo unos segundos.
Inteligencia artificial entrenada con datos sísmicos globales
Investigadores de la Universidad de Edimburgo, en colaboración con el British Geological Survey y la Universidad de Padua, desarrollaron un sistema de predicción que utiliza modelos de aprendizaje automático para prever el riesgo de réplicas casi en tiempo real. Estos modelos fueron entrenados con datos de terremotos ocurridos en California, Nueva Zelanda, Italia, Japón y Grecia, regiones con una alta actividad sísmica y diversidad tectónica.
Al introducir este conocimiento en las redes neuronales, el sistema aprende patrones de comportamiento de las réplicas en distintos contextos geológicos. La idea es que, al reconocer un nuevo sismo, la IA pueda identificar con rapidez si hay condiciones propicias para que ocurran réplicas significativas y dónde podrían registrarse.
Comparación con los modelos tradicionales
El modelo más utilizado actualmente para predecir réplicas es el ETAS (Epidemic-Type Aftershock Sequence), que se basa en simulaciones complejas para calcular la probabilidad de nuevos temblores. Aunque ETAS ofrece buenos resultados, su principal desventaja está en los tiempos de cálculo: puede tardar horas o incluso días en procesar la información en ordenadores convencionales.
Los nuevos modelos de IA, en cambio, pueden realizar pronósticos en cuestión de segundos. Esta rapidez no compromete la calidad de los resultados: los investigadores encontraron que la precisión de las predicciones es comparable a la del sistema ETAS. La diferencia radica en el costo computacional y la velocidad, dos factores cruciales cuando se trata de responder ante emergencias.
Aplicaciones prácticas para la gestión de emergencias
Disponer de información fiable casi de inmediato tras un terremoto cambia las reglas del juego para los equipos de rescate, autoridades locales y servicios de emergencia. Al conocer en segundos cuántas réplicas podrían producirse y en qué zonas, se puede organizar mejor la evacuación de edificios, enviar refuerzos a las áreas críticas y evitar exponer al personal a riesgos innecesarios.
Por ejemplo, si tras un sismo de magnitud 6.0 en una zona urbana densa, el modelo IA indica un alto riesgo de réplicas en las próximas 24 horas, las autoridades podrían optar por cerrar preventivamente ciertas infraestructuras o reforzar puntos estratégicos antes de que se produzcan daños adicionales.
Un modelo escalable y adaptable globalmente
Una de las ventajas de este enfoque basado en inteligencia artificial es su escalabilidad. Al estar entrenado con datos de distintas regiones del mundo, el sistema puede adaptarse a diferentes contextos geológicos. Esto significa que no es necesario desarrollar un modelo nuevo para cada país, sino que se puede aplicar globalmente, con ajustes menores.
Esto contrasta con los modelos tradicionales, que a menudo requieren adaptaciones específicas según las características tectónicas locales. La IA, al ser capaz de generalizar a partir de grandes cantidades de datos, ofrece una herramienta más versátil.
Hacia una vigilancia sísmica en tiempo real
El estudio, liderado por la investigadora Foteini Dervisi y publicado en la revista Earth, Planets and Space, muestra cómo los avances en catálogos sísmicos de alta resolución generados por aprendizaje automático podrían integrarse con estos modelos para ofrecer un monitoreo continuo y detallado de la actividad sísmica. Al detectar un evento, el sistema podría activar automáticamente una evaluación de riesgos, ofreciendo una imagen clara de lo que podría ocurrir en las siguientes horas.
Es como si tras escuchar el primer trueno en una tormenta, ya supiéramos cuántos rayos están por caer y en qué dirección. Esa capacidad predictiva, que hasta hace poco parecía ciencia ficción, está cada vez más cerca de ser una herramienta de uso diario para los servicios geológicos del mundo.