Hace cinco años, Paul Johnson no hubiera pensado que alguna vez sería posible predecir terremotos. Ahora, él no está tan seguro.
"No puedo decir que lo haremos, pero tengo muchas más esperanzas de que progresaremos mucho en décadas", dice el sismólogo del Laboratorio Nacional de Los Alamos. "Ahora tengo más esperanzas que nunca".
La razón principal de esa nueva esperanza es una tecnología que Johnson comenzó a estudiar hace unos cuatro años: el aprendizaje automático. Durante mucho tiempo se pensó que muchos de los sonidos y pequeños movimientos a lo largo de las líneas de falla tectónicas donde ocurren los terremotos no tienen sentido. Pero el aprendizaje automático (entrenamiento de algoritmos informáticos para analizar grandes cantidades de datos para buscar patrones o señales) sugiere que, después de todo, algunas de las pequeñas señales sísmicas podrían ser importantes.
Dichos modelos de computadora podrían incluso resultar clave para desbloquear la capacidad de predecir terremotos, una posibilidad remota que es tan controvertida que muchos sismólogos se niegan a discutirlo.
Cuando la teoría de la tectónica de placas ganó terreno en la década de 1960, muchos científicos pensaron que la predicción de terremotos era solo cuestión de tiempo. Una vez que se pudieran modelar los pequeños terremotos causados por el cambio de placas, se pensó, debería ser posible predecir terremotos más grandes con días o incluso semanas de anticipación. Pero una multitud de factores, desde el tipo de roca hasta la distancia de un deslizamiento de falla, afectan la fuerza de un terremoto, y rápidamente se hizo evidente que los modelos de actividad tectónica a pequeña escala no podían proporcionar una forma confiable de predecir terremotos importantes. Quizás pequeños cambios y resbalones, que ocurren cientos de veces por día, podrían indicar un ligero aumento en la probabilidad de un gran terremoto, pero incluso después de un enjambre de actividad tectónica menor, es muy poco probable que ocurra un gran terremoto. Se necesita una mejor señal para un terremoto entrante si la predicción alguna vez se hará realidad.
El uso del aprendizaje automático para encontrar esa señal probablemente esté muy lejos, si es que es posible. En un estudio publicado a fines del año pasado, Johnson y su equipo sugirieron que podría haber una señal sísmica previamente ignorada que podría contener un patrón revelador cuando un gran terremoto, como el infame y tan esperado terremoto de Cascadia en el noroeste del Pacífico, podría ocurrir. Si la hipótesis se concreta, podría cambiar la forma en que se pronostican los terremotos de segundos de anticipación a, quizás un día, décadas de anticipación.
Las mejoras más recientes en la predicción de terremotos han sido esos preciosos segundos. Los sismólogos están trabajando para mejorar los sistemas de alerta temprana como los de Japón y el sistema ShakeAlert que se está implementando a lo largo de la costa oeste de los EE. UU. Esos sistemas envían alertas solo después de que un terremoto ya ha comenzado, pero a tiempo para cerrar cosas como ascensores o líneas de gas y advertir a las comunidades más alejadas del epicentro.
La capa de la Tierra en la que vivimos se divide en una docena de tectónicas que se mueven una con respecto a la otra. (USGS) Tratar de extrapolar qué tan grande será un terremoto en progreso, dónde está su epicentro y qué se verá afectado, todo desde unos pocos segundos de datos, ya es un gran desafío, dice Johnson. Los sistemas de advertencia existentes han juzgado mal los terremotos importantes y han dado falsas alarmas a otros. Pero antes de 2007, ni siquiera teníamos aviso de segundos. ¿Dónde podríamos estar en 2027?
"No sabemos qué tan bien la sismología funcionará realmente dentro de una década", dice Johnson. "Pero será mucho mejor que hoy".
Los avances en el monitoreo de terremotos probablemente dependerán de computadoras que han sido capacitadas para actuar como sismólogos expertos. Con una memoria perfecta, pocas nociones preconcebidas y cero necesidad de dormir, las máquinas pueden clasificar un mar de datos recopilados a medida que cambian las placas tectónicas. Toda esa información es comparable a lo que se escucharía en una calle concurrida: los ruidos de los automóviles, las personas, los animales y el clima se mezclan. Los investigadores analizan esas señales, transcritas como ondas, en un intento de averiguar si alguna de ellas indica que está ocurriendo un terremoto o que está por suceder. La esperanza ha sido durante mucho tiempo que, escondido en todo ese ruido, podría haber algún tipo de precursor que podría medirse u observarse para indicar el período de tiempo hasta el próximo gran terremoto.
Uno de esos ruidos, lo que Johnson llama una "señal de temblor", ha sido identificado y estudiado durante varios años. "Tiré todo lo que tenía en mi caja de herramientas y decidí que no había nada allí", dice.
Pero los algoritmos y las computadoras que instaló su equipo observaron la señal desde una perspectiva ligeramente diferente, centrándose en su energía. Esa energía (registrada como amplitud, una medida del tamaño de las ondas sísmicas) creció "muy ligeramente" durante todo el ciclo del terremoto, dice Johnson. Una vez que ocurrió un terremoto, la amplitud de la señal disminuyó y reinició el ciclo de crecimiento regular hasta que se produjo otro terremoto.
Fue un patrón.
Esa señal previamente ignorada, dice Johnson, "contenía información predictiva para predecir el próximo ciclo del terremoto" con minutos de anticipación en los modelos acelerados de fallas en el laboratorio, lo que se traduce en décadas de anticipación en la vida real. Pero los resultados en el laboratorio y el mundo real no siempre se alinean.
En este punto, el aprendizaje automático no está destinado a ayudar con la predicción de terremotos, sino a comprender los terremotos que ya han comenzado o la dinámica del terremoto en general. Pero los avances en la localización de los terremotos, la estimación de magnitudes y la clasificación a través del "ruido" mejoran nuestra comprensión de cómo actúan los terremotos, incluso cuándo podrían golpear.
“Quiero dejar en claro que lo que estamos haciendo es diferente a la predicción. Pero sí, todas estas cosas están relacionadas indirectamente ”, dice Mostafa Moustavi, un sismólogo de Stanford que está utilizando el aprendizaje automático para clasificar el ruido de fondo para detectar pequeños terremotos.
Men-Andrin Meier, un sismólogo de Caltech, dice que su "mejor suposición es que los terremotos son inherentemente impredecibles". Sin embargo, está trabajando en el uso del aprendizaje automático para mejorar los sistemas de alerta temprana, y las mejoras en el monitoreo que entra en esas alertas podrían potencialmente mejorar los pronósticos de terremotos. Moustafa dice que mejores mapas de fallas y una mejor comprensión de los procesos, tendencias y ciclos de terremotos podrían contribuir a mejorar el pronóstico.
Aun así, algunos sismólogos piensan que la "predicción" es una fantasía. Robert Geller, un sismólogo de la Universidad de Tokio, es conocido por su pesimismo sobre la predicción de terremotos.
"La investigación de predicción de terremotos no es realmente una cosa", dice por correo electrónico. “Simplemente consiste en reunir muchos datos con la esperanza de que se pueda encontrar un 'precursor' confiable. Nunca se ha encontrado ninguno hasta la fecha.
Según Geller, cualquier resultado de laboratorio con respecto a las señales de terremoto puede ignorarse hasta que se reproduzcan de manera consistente en el mundo real. “No tengo dudas de que pueden encontrar muchos patrones aparentes en los datos observados de ocurrencia de terremotos mirando hacia atrás. Pero no veo ninguna razón para pensar que tales patrones funcionarán en el tiempo ”, dice Geller.
La falla de Cascadia frente a la isla de Vancouver se desliza lentamente todo el tiempo, produciendo una baja sismicidad que no se puede sentir, y luego vuelve a su lugar aproximadamente una vez al año. El desplazamiento muy leve de la superficie de la Tierra de ese deslizamiento puede ser monitoreado, por lo que el equipo de Johnson trató de ver si la nueva señal identificada por sus algoritmos de aprendizaje automático podía predecir el movimiento.
"Y, he aquí, se asignó a la tasa de desplazamiento", dice Johnson.
La pregunta ahora es cómo la señal podría relacionarse con el bloqueo de la falla: las rocas entrelazadas que han evitado que las placas tectónicas se deslicen drásticamente y produzcan un gran terremoto durante unos 300 años. Finalmente, el bloqueo de la falla se romperá y se producirá un terremoto masivo. Quizás la señal que el equipo de Johnson está estudiando, u otra señal aún no descubierta, podría dar una idea de cuándo sucederá eso, si tales señales están relacionadas con terremotos importantes.
