- Un algoritmo de IA predice terremotos con un 70% de precisión una semana antes, revolucionando la preparación.
- El aprendizaje automático permite que la IA analice datos sísmicos y realice pronósticos, reduciendo los riesgos.
- Los investigadores buscan crear un sistema universal de predicción de terremotos para su aplicación global.
La predicción de terremotos ha sido durante mucho tiempo un desafío formidable, con consecuencias catastróficas para las comunidades que quedan desprevenidas. Sin embargo, investigadores de la Universidad de Texas en Austin han logrado avances significativos en la predicción de terremotos mediante un algoritmo de inteligencia artificial (IA). Durante una prueba de siete meses en China, el algoritmo predijo con precisión el 70 % de los terremotos una semana antes de que ocurrieran. Este logro marca un avance en la predicción de terremotos impulsada por la IA, lo que podría revolucionar la preparación mundial ante estos desastres.
El éxito de la IA en la predicción de terremotos
En sus pronósticos semanales, la IA desarrollada por investigadores de la Universidad de Texas predijo correctamente 14 terremotos dentro de un radio de 200 millas de sus ubicaciones estimadas, coincidiendo estrechamente con sus magnitudes proyectadas. Si bien la IA pasó por alto un terremoto, emitió ocho falsas alertas. Este sistema de predicción impulsado por la IA tiene una inmensa promesa para mitigar el impacto devastador de los terremotos, que son notoriamente difíciles de anticipar.
El aprendizaje automático impulsa la predicción de terremotos
El innovador algoritmo aprovecha el aprendizaje automático, un proceso en el que un programa informático aprende autónomamente de los datos que se le proporcionan. En este caso, la IA recibió características estadísticas derivadas de la comprensión del equipo de investigación sobre la física de los terremotos. Posteriormente, se entrenó utilizando una base de datos de cinco años de registros sísmicos. Esta combinación de IA y aprendizaje automático ofrece un nuevo enfoque para la predicción de terremotos.
La búsqueda de la predicción universal de terremotos
Si bien el éxito del algoritmo es un paso significativo hacia adelante, solo se ha probado en China. Los investigadores ahora tienen como objetivo expandir su aplicación utilizando datos del Programa de la Red Sismológica de Texas (TexNet), un sistema de 300 estaciones de monitoreo en Texas. Su objetivo final es integrar su sistema con modelos basados en la física que no sean específicos de una región, haciendo que la predicción de terremotos sea aplicable en áreas con datos sísmicos limitados.
Los expertos opinan sobre la preparación ante terremotos
Sergey Fomel, miembro del equipo de investigación y profesor en la Oficina de Geología Económica de la universidad, comentó sobre la importancia de la predicción de terremotos, afirmando: «Predecir terremotos es el santo grial». Fomel reconoció que, si bien las predicciones globales aún no son factibles, sus logros indican que el problema aparentemente imposible es teóricamente resoluble.
Alexandros Savvaidis, quien dirige TexNet, enfatizó la importancia de los sistemas de alerta temprana. «No ves venir los terremotos», señaló, destacando que cada minuto cuenta en la preparación. Con una tasa de predicción del 70%, Savvaidis cree que esta tecnología podría reducir significativamente las pérdidas económicas y humanas, mejorando potencialmente la preparación ante terremotos en todo el mundo.
Combinar métodos basados en la física y basados en datos
Los investigadores aspiran a fusionar los enfoques basados en la física y los basados en datos para crear un sistema de predicción de terremotos generalizado que pueda aplicarse a nivel global. Este enfoque integrado tiene como objetivo combinar las fortalezas de la IA y los modelos basados en la física, asemejándose a la versatilidad de sistemas como ChatGPT, que pueden adaptarse para su uso en diversas regiones y escenarios.
En 2022, Israel lanzó su sistema de alerta temprana para terremotos, conocido como TRUAA. Sin embargo, TRUAA solo puede alertar a la población una vez que el terremoto ya ha comenzado, proporcionando un tiempo de antelación limitado. Israel enfrenta riesgos significativos de terremotos, ya que se encuentra en la convergencia de las placas tectónicas africana y arábiga, lo que lo hace susceptible a la actividad sísmica.
El prof. Zohar Gvirtzman, director del Servicio Geológico de Israel, explicó que su sistema podría proporcionar segundos vitales de advertencia en caso de un terremoto originado en el área de Jericó/Mar Muerto. Si bien este sistema de alerta temprana ofrece cierta protección, los expertos han advertido durante mucho tiempo que Israel está atrasado para un gran terremoto, enfatizando que no es una cuestión de si, sino de cuándo.
El sistema de predicción de terremotos impulsado por IA de la Universidad de Texas representa un paso significativo hacia adelante para abordar el desafío de larga data de pronosticar eventos sísmicos. Si bien actualmente se prueba en China, sus aplicaciones potenciales y su integración con modelos basados en la física prometen una preparación global ante terremotos. En un mundo donde los terremotos representan una amenaza constante para las comunidades, la combinación de IA y aprendizaje automático podría desempeñar un papel fundamental para salvar vidas y minimizar los daños.
Si estás leyendo esto, ya vas por delante. Mantente así con nuestro boletín.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Glory Kaburu
Glory es una periodista extremadamente experta con herramientas e investigación sobre IA. Está apasionada por la inteligencia artificial y ha escrito varios artículos sobre el tema. Se mantiene al día con los últimos avances en Inteligencia Artificial, Aprendizaje Automático y Aprendizaje Profundo, y escribe regularmente sobre ellos.
