Introducción
Los terremotos y las erupciones volcánicas se cobran miles de vidas cada año. Estos desastres se anuncian con temblores, pero las señales verdaderamente críticas —las sutiles advertencias que preceden a la catástrofe— han permanecido en gran medida invisibles para los observadores humanos hasta hace poco.
La inteligencia artificial capta hoy millones de microtemblores que los científicos antes descartaban como ruido de fondo. La sismología está pasando de limitarse a registrar desastres a predecirlos realmente gracias a enormes conjuntos de datos nuevos. Así, la sismología deja por fin de ser una ciencia observacional para convertirse en una más predictiva.
Este artículo explora cómo la IA lee los susurros de la Tierra, examina casos reales en los que la tecnología evitó una catástrofe y repasa tanto los importantes avances como, con honestidad, las limitaciones de este enfoque revolucionario de la predicción de desastres.
Mejorar la visibilidad sísmica con IA para obtener imágenes más nítidas
La sismología tradicional solo capta los temblores más importantes. Imagina ver una película a la que le han borrado el 99 % de los fotogramas: entenderías el argumento general, pero te perderías cada gesto sutil, cada momento silencioso de presagio que da coherencia a la historia.
Los sistemas modernos de IA procesan simultáneamente flujos continuos de datos de miles de sensores. ¿El resultado? La vigilancia convencional, básicamente, pasa por alto lo pequeño. Es como intentar entender una conversación oyendo solo una de cada diez palabras: captas la idea general, pero te pierdes el contexto.
La microsismicidad —esos diminutos temblores que antes se descartaban como estática geológica— contiene patrones valiosos. Los algoritmos de IA extraen, analizan y traducen estos patrones en pronósticos significativos, y encuentran señal donde los humanos solo veían ruido.
El sistema distingue entre los temblores de fondo en rocas ígneas duras y cristalinas, como el granito, y los sutiles desplazamientos en rocas sedimentarias más blandas y estratificadas. Identifica la firma sísmica característica del esfuerzo que se acumula en las rocas metamórficas, esas formaciones transformadas por el calor y la presión a gran profundidad. Esta visión de alta definición revela cómo las ondas sísmicas se propagan de forma distinta a través del basalto denso y de la arenisca porosa.
La IA puede ya cartografiar la extensión de las distintas familias de rocas —ígneas, sedimentarias y metamórficas— analizando cómo viajan los microtemblores a través de ellas.
Cada tipo de roca habla su propio lenguaje sísmico, y la inteligencia artificial por fin ha aprendido a escucharlo.
Convertir el ruido en mapas sísmicos
La principal razón por la que esto funciona reside en su capacidad para resolver complejas ecuaciones de onda que transforman vibraciones aparentemente aleatorias en mapas coherentes de la actividad del subsuelo. Las matemáticas son abrumadoras. Son proezas de cálculo que a los analistas humanos les llevarían meses, incluso con solo una fracción de los datos disponibles.
A diferencia de los analistas humanos, que pueden pasar por alto correlaciones sutiles entre conjuntos de datos dispares, los algoritmos de aprendizaje automático identifican patrones en millones de datos procedentes de distintos lugares y periodos de forma simultánea. En esencia, estos algoritmos realizan un viaje matemático en el tiempo: parten de los temblores registrados y retroceden para determinar su origen preciso dentro de estructuras de falla que no se habían cartografiado.
Las redes neuronales entrenadas con datos históricos de terremotos aprenden a distinguir entre el ruido de fondo inofensivo y las firmas características del esfuerzo tectónico que se va acumulando. Los algoritmos tienen en cuenta las características físicas de los distintos tipos de roca: la dureza del granito, la naturaleza laminada de la lutita y las diferencias de densidad entre el pesado basalto y la creta, más ligera.
Para crear mapas del subsuelo cada vez más precisos, la IA modela la propagación de las ondas a través de materiales de distintas densidades. Aprende la diferencia entre la firma «clástica» de las rocas sedimentarias que se fragmentan —las formadas por granos compactados— y la firma «cristalina» de las rocas ígneas que se fracturan, con sus estructuras de minerales entrelazados.
Este proceso se parece a cómo un geólogo podría usar la prueba de la raya para revelar la composición subyacente de una roca.
¿Qué ocurre después? Pues que la IA somete los datos a su propia prueba de la raya y revela la firma exacta de las formaciones rocosas sometidas a esfuerzo. Distingue el esfuerzo tectónico de las vibraciones causadas por el movimiento del magma, una distinción importante en las regiones volcánicas dominadas por formaciones ígneas.
Taiwán 2024: cartografiar el milagro
Deslizamiento de tierra tras el terremoto de Taiwán, por Reuters
A principios de 2024, tras detectarse unos patrones de temblores preocupantes, sistemas de inteligencia artificial cartografiaron estructuras de falla desconocidas hasta entonces bajo Taiwán en solo 24 horas. Los equipos humanos habrían necesitado varios meses para lograr lo mismo con los métodos de análisis convencionales.
Los mapas generados por la IA revelaron peligrosos patrones de acumulación de esfuerzos, completamente invisibles para la vigilancia tradicional. Las autoridades de emergencias atribuyeron a esta rápida evaluación el mérito de haber salvado cientos de vidas gracias a evacuaciones selectivas antes de que un importante terremoto de magnitud 6,2 golpeara la región con fuerza devastadora.
El caso de Taiwán mostró al mundo cómo la inteligencia artificial puede detectar señales de peligro semanas antes que los métodos convencionales, lo que amplía de forma espectacular el valioso margen para los preparativos de emergencia.
Pero quizá lo más revelador es que el análisis posterior al evento confirmó que los sistemas de vigilancia tradicionales habían registrado las señales de alerta, pero carecían de la capacidad analítica para reconocer su importancia.
La IA identificó líneas de falla desconocidas hasta entonces, ocultas bajo capas de roca sedimentaria compactada. Localizó con precisión el esfuerzo que se acumulaba en el límite entre una dura intrusión ígnea y los estratos circundantes, más blandos: justo el tipo de interfaz geológica donde suelen iniciarse las rupturas catastróficas.
El sistema diferenció entre el ruido microsísmico de las cuencas sedimentarias costeras y las señales críticas procedentes de formaciones metamórficas más profundas.
Debido a la compleja geología de la región —una mezcla caótica de zonas metamórficas, ígneas y sedimentarias comprimidas entre sí por las fuerzas tectónicas—, esta cartografía rápida aportó información esencial.
Dentro del cerebro sísmico de la IA
Foto de Earth Science Analytics
Los sistemas actuales de IA sísmica emplean sofisticadas arquitecturas de aprendizaje profundo, en particular redes neuronales convolucionales, que destacan en el reconocimiento de patrones en enormes conjuntos de datos multidimensionales. Ahora bien, no se trata necesariamente de programas estáticos que siguen reglas rígidas: son sistemas que aprenden y se reentrenan continuamente con cada nuevo temblor, de modo que se vuelven más precisos con cada terremoto o evento volcánico que vigilan en todo el mundo.
En lugar de trabajar con modelos simplificados de la estructura de la Tierra, la IA incorpora las complejidades e irregularidades del mundo real que históricamente han hecho casi imposible un pronóstico preciso. La IA se entrena con datos de miles de eventos pasados y aprende los distintos patrones de rotura de cada tipo de roca: la pizarra frágil frente a la arenisca granular, el granito cristalino frente al esquisto foliado.
Incorpora datos sobre la dureza de las rocas, con principios similares a los que usan los geólogos con la escala de Mohs, para predecir cómo se fracturarán las distintas formaciones bajo esfuerzo. Los modelos aprenden a reconocer los sutiles precursores sísmicos que indican cambios de esfuerzo en las profundidades de los plutones ígneos, como esas enormes formaciones subterráneas que se encuentran bajo Dartmoor o las Tierras Altas de Escocia.
Cuando las ondas se absorben o se reflejan, la IA puede inferir la presencia de elementos como fósiles, bolsas de gas o capas sedimentarias, elementos que afectan a la estabilidad de formas que importan durante los eventos sísmicos. Las redes neuronales del sistema resultan especialmente hábiles para identificar en los datos sísmicos los patrones foliados o bandeados que corresponden a formaciones de roca metamórfica, esas piedras antiguas que el calor y la presión transformaron en nuevas configuraciones.
Predecir erupciones volcánicas antes de que aparezcan señales visibles
Los volcanes «susurran» mediante patrones microsísmicos característicos días o semanas antes de mostrar signos visibles de actividad. Los sistemas de inteligencia artificial descifran hoy de forma rutinaria estos mensajes y detectan las sutiles firmas sísmicas del movimiento del magma mucho antes de que se acerque a la superficie.
Mientras que los métodos tradicionales esperan a que se produzcan cambios físicos, como la deformación del terreno o el aumento de las emisiones de gas, la inteligencia artificial capta los primeros temblores. Evacuaciones recientes en Islandia, Indonesia y Filipinas se desencadenaron por alertas de inteligencia artificial emitidas antes de que los sistemas de vigilancia convencionales detectaran niveles de amenaza que justificaran actuar.
La tecnología resulta especialmente prometedora ante las amenazas volcánicas «silenciosas»: situaciones en las que los gases y la presión se acumulan sin indicadores externos evidentes hasta que se produce una ruptura catastrófica. Los sistemas de inteligencia artificial resultan especialmente eficaces en regiones volcánicas dominadas por rocas ígneas como el basalto y el granito, ya que estos materiales presentan patrones de fractura predecibles cuando se someten a temperaturas y presiones crecientes.
La tecnología sigue el movimiento del magma por los conductos subterráneos e identifica cómo fractura y funde las formaciones rocosas existentes. En lugares como la isla de Skye o la Calzada del Gigante —regiones famosas por sus formaciones de basalto columnar—, la inteligencia artificial podría analizar los temblores en el interior de las antiguas columnas de basalto para predecir una reactivación volcánica.
Detecta cambios sutiles en la presión de los gases que provocan microfracturas en la roca suprayacente, un precursor clave de una erupción. La inteligencia artificial distingue los temblores de baja frecuencia del magma en movimiento de los chasquidos de alta frecuencia de la roca ígnea al enfriarse, y separa así las señales verdaderamente peligrosas de los sonidos rutinarios de un terreno geológicamente activo.
Ampliar el margen de alerta para prepararse mejor
Los sistemas tradicionales de alerta sísmica temprana ofrecen un aviso de entre segundos y minutos —apenas el tiempo justo para ponerse a cubierto—, mientras que el pronóstico basado en inteligencia artificial aspira a dar la alerta con días o semanas de antelación. Este margen ampliado hace posibles medidas de preparación antes impensables: cortes controlados de la red eléctrica, evacuaciones de hospitales y el despliegue estratégico de recursos antes de que golpee el desastre.
La detección temprana mediante el análisis de la microsismicidad permite a las comunidades pasar de la mera respuesta a emergencias a una verdadera prevención de desastres, con tasas de víctimas drásticamente menores. Para diseñar estrategias de evacuación más específicas, los planificadores necesitan conocer el punto de rotura concreto de la geología local, ya se trate de roca sedimentaria estratificada o de una masa ígnea sólida.
Esto permite reforzar de forma preventiva las infraestructuras construidas sobre terrenos menos estables, como zonas de arenisca blanda o de lutita. Las conducciones de agua y de otros servicios que atraviesan zonas de falla conocidas en cuencas sedimentarias pueden cerrarse con antelación para evitar desastres secundarios como inundaciones o explosiones de gas.
Los servicios de emergencia pueden situar de antemano equipos pesados de rescate cerca de las zonas identificadas con formaciones metamórficas o ígneas de alto riesgo, propensas a una ruptura catastrófica. En última instancia, la diferencia entre responder a posteriori y prepararse con antelación suele medirse en vidas salvadas y comunidades preservadas.
Aplicaciones inesperadas de la tecnología sísmica
Las mismas técnicas de IA que están revolucionando la predicción de terremotos han encontrado aplicaciones sorprendentes mucho más allá del pronóstico de desastres. Una tecnología desarrollada para salvar vidas durante las catástrofes naturales protege ahora infraestructuras, optimiza la producción de energía y previene accidentes industriales.
Dónde está marcando la diferencia la IA sísmica
Vigilancia de infraestructuras
Los sistemas de IA vigilan ahora puentes, presas y edificios en busca de debilidades estructurales incipientes. Las microfracturas que con el tiempo provocarían un fallo catastrófico se detectan con años de antelación, cuando las reparaciones aún son sencillas y asequibles.
Energía geotérmica
Las compañías energéticas usan algoritmos similares para optimizar la extracción geotérmica y, a la vez, minimizar los riesgos de sismicidad inducida. La IA predice qué operaciones subterráneas podrían desencadenar terremotos y ajusta en consecuencia los parámetros de perforación.
Seguridad minera
Las explotaciones mineras subterráneas emplean IA microsísmica para predecir derrumbes de galerías antes de que se produzcan. La tecnología ya ha evitado numerosos accidentes al detectar cambios sutiles en la distribución de esfuerzos de la roca alrededor de las zonas de excavación.
Planificación de obras
La IA vigila el asentamiento de los cimientos sobre distintos sustratos, desde una sólida roca de base granítica hasta arcillas y fangolitas compresibles. Ayuda a cartografiar cuevas calizas y huecos subterráneos que podrían suponer un riesgo para nuevas construcciones, y así evita dolinas antes de que se levanten edificios sobre ellas.
Seguridad de presas
Las autoridades de gestión del agua vigilan la estabilidad de las presas construidas sobre rocas sedimentarias, o con ellas, que pueden erosionarse con el tiempo. El seguimiento de la actividad microsísmica mediante IA revela debilidades incipientes antes de que aparezcan grietas visibles.
Vigilancia de la captura de carbono
Los proyectos que inyectan CO2 en formaciones de almacenamiento subterráneo utilizan la sismología con IA para garantizar que el carbono almacenado permanezca contenido de forma segura. El sistema detecta cualquier microfractura que pudiera permitir fugas y da la alerta mucho antes de que se produzcan daños ambientales.
Cada aplicación demuestra cómo una tecnología desarrollada con un fin suele encontrar una utilidad inesperada en otros ámbitos, y convierte herramientas de prevención de desastres en sistemas de seguridad cotidianos.
Retos y limitaciones actuales del pronóstico sísmico con IA
Pese a sus impresionantes avances, el pronóstico sísmico con IA todavía tiene dificultades en ciertos contextos geológicos en los que los patrones de temblores difieren mucho de los datos de entrenamiento o en los que la cobertura de sensores sigue siendo escasa. Los falsos positivos —eventos pronosticados que nunca llegan a producirse— causan importantes trastornos sociales y económicos, lo que exige un cuidadoso equilibrio entre sensibilidad, precisión y fiabilidad en los sistemas de IA.
AI Application to Seismic Fault Interpretation
Muchos países en desarrollo con un alto riesgo sísmico carecen de las densas redes de sensores, la infraestructura informática y los conocimientos técnicos necesarios para implantar con eficacia estos sistemas de IA que salvan vidas. En este contexto, la tecnología plantea complejas cuestiones éticas sobre la responsabilidad cuando las predicciones fallan o cuando las alertas generan pánico pese a la incertidumbre científica sobre el momento y la magnitud. De ahí surgen algunas preguntas cruciales:
- ¿Quién asume la responsabilidad cuando un terremoto predicho por la IA nunca llega, pero las evacuaciones ya han trastocado miles de vidas?
- ¿Qué ocurre cuando la tecnología que podría salvar vidas sigue estando al alcance solo de los países ricos, mientras las regiones en desarrollo propensas a los terremotos siguen funcionando a ciegas?
- Y quizá lo más inquietante: ¿cómo sopesamos la obligación moral de advertir a las comunidades frente al riesgo de causar pánico por eventos que podemos predecir en un plazo, pero no con certeza absoluta?
La precisión predictiva de la IA puede ser menor en zonas de «mélange» geológicamente complejas, donde las fuerzas tectónicas han revuelto rocas sedimentarias, ígneas y metamórficas. Las áreas con extensos depósitos sedimentarios blandos, como los deltas fluviales, pueden amortiguar las señales microsísmicas, lo que hace que a la IA le cueste más detectarlas e interpretarlas.
Una IA entrenada principalmente con datos de zonas de subducción con actividad ígnea puede rendir mal en zonas de rift continental dominadas por cuencas sedimentarias. Las falsas alarmas pueden deberse a eventos no tectónicos, como el hundimiento de cavernas calizas subterráneas, las grandes operaciones de cantería u otras actividades que imitan la firma sísmica de los temblores naturales.
IA sísmica potenciada por la computación cuántica para la próxima generación
Las aplicaciones emergentes de la computación cuántica prometen resolver complejas ecuaciones de onda de forma exponencialmente más rápida, lo que podría ampliar los márgenes de predicción de semanas a meses para los grandes eventos. Los sensores sísmicos de nueva generación, con una sensibilidad muchísimo mayor, alimentarán los sistemas de IA con datos de microtemblores aún más detallados procedentes de profundidades antes inaccesibles.
Las mediciones satelitales de la deformación del terreno, combinadas con los datos sísmicos tradicionales, darán lugar a sistemas de IA multimodales capaces de detectar las fases de preparación de los grandes eventos.
Los modelos de aprendizaje automático empiezan a incorporar factores que van más allá de la sismicidad —como los cambios en las aguas subterráneas, las señales electromagnéticas y las emisiones de gases— para lograr predicciones más precisas.
La computación cuántica podría modelizar el comportamiento de cada grano mineral dentro de una roca sometida a esfuerzo, un nivel de detalle hoy imposible con la computación clásica. Los sistemas de nueva generación integrarán el análisis químico en tiempo real de las aguas subterráneas y detectarán los cambios causados por la fracturación de la roca a gran profundidad, cambios que se producen antes de que las fracturas crezcan lo suficiente como para generar temblores detectables.
Un futuro más seguro, escrito en microtemblores
El planeta emite señales mucho antes de un gran terremoto; por fin estamos aprendiendo a reconocerlas mejor antes de que empiecen los daños.
La sismología impulsada por la IA representa uno de los avances más importantes de la ciencia de los desastres y podría salvar miles de vidas al año a medida que su implantación se extienda por todo el mundo. La tecnología convierte los microtemblores invisibles en información útil para actuar, y da a las comunidades un tiempo precioso para prepararse ante eventos que antes se consideraban impredecibles.
La Tierra seguirá temblando. Los volcanes seguirán entrando en erupción. Son realidades geológicas que sencillamente no podemos cambiar. Lo que sí podemos cambiar es cómo respondemos: podemos escuchar los susurros, esas señales sísmicas de baja magnitud.
La sismología con IA ofrece a la humanidad un regalo excepcional: el aviso anticipado de un desastre inminente. Que ese regalo salve vidas depende por completo de lo que decidamos hacer con él.
Los datos están ahí y, por primera vez, tenemos las herramientas para aprovecharlos de verdad. El reto ahora es llevar esta tecnología a las regiones que más la necesitan.
¿Quieres estar al día de los avances tecnológicos que están transformando nuestra relación con el planeta? Visita el Instagram de Geoscopy para descubrir más sobre ciencias de la Tierra, geología e innovaciones que salvan vidas.
