Cómo la IA ha aprendido a escuchar los temblores más pequeños de la Tierra

En la madrugada del 1 de enero de 2008, a la 1:59 a.m., un leve temblor sacudió la localidad de Calipatria, en California. Su magnitud fue de –0,53, tan débil que ni siquiera los vecinos lo notaron; fue comparable al paso de un camión. Sin embargo, aquel diminuto terremoto es hoy uno de los más importantes registrados por la ciencia moderna, no por su fuerza, sino por lo que representa: fue uno de los primeros detectados gracias a sistemas automatizados de inteligencia artificial.

Durante los últimos siete años, los avances en modelos de aprendizaje automático y procesamiento de señales sísmicas han transformado por completo una de las tareas más fundamentales de la sismología: la detección de terremotos. Lo que antes requería equipos de analistas humanos, horas de revisión manual y costosos cálculos, hoy puede realizarse en segundos con algoritmos capaces de distinguir entre un terremoto real y el ruido de una ciudad.

“El cambio es como ponerse gafas por primera vez y descubrir que siempre hubo hojas en los árboles”, explica Kyle Bradley, coautor del boletín Earthquake Insights. Su colega Judith Hubbard, profesora en la Universidad de Cornell, coincide: “Es realmente extraordinario. La IA ha reemplazado a los humanos en esta tarea, y lo ha hecho para mejor”.

De los sismogramas manuales a los modelos inteligentes

Los terremotos generan ondas que viajan a través de la Tierra de manera similar a como el sonido se propaga en el aire. Analizando esas ondas, los científicos pueden deducir la composición del subsuelo: si es roca sólida, magma o petróleo. Desde hace más de un siglo, los sismómetros registran estos movimientos en tres direcciones (norte-sur, este-oeste y vertical), pero interpretar esos datos ha sido siempre un desafío.

Antes de los algoritmos modernos, la tarea recaía en estudiantes e investigadores que pasaban horas mirando gráficos en papel. “Había verdaderos ejércitos de aprendices en el Servicio Geológico de Estados Unidos”, recuerda Joe Byrnes, profesor de la Universidad de Texas en Dallas. Los primeros intentos de automatización llegaron con los ordenadores de los años cincuenta, pero estos sistemas eran incapaces de identificar temblores pequeños o de diferenciar entre vibraciones naturales y ruido urbano.

A finales de la década de 2010, una técnica llamada template matching permitió un salto adelante. Consistía en comparar nuevas señales sísmicas con plantillas de terremotos ya clasificados por humanos. El laboratorio de Zach Ross en Caltech usó este método en 2019 y descubrió diez veces más terremotos en California de los que se conocían, incluyendo aquel temblor minúsculo de Calipatria. Pero el sistema tenía limitaciones: necesitaba enormes bases de datos y requería días de cálculo con cientos de GPU.

La solución llegó en 2020 con el modelo Earthquake Transformer, desarrollado en Stanford por el investigador S. Mostafa Mousavi. Inspirado en redes neuronales usadas para reconocer imágenes, este modelo adaptó las convoluciones bidimensionales a un formato unidimensional, ideal para interpretar señales sísmicas. De esta forma, la IA podía procesar las vibraciones en fragmentos de décimas de segundo, reconocer patrones de ondas P y S, y determinar con precisión cuándo y dónde comenzaba un terremoto.

Los modelos como Earthquake Transformer o PhaseNet no solo igualan el rendimiento de los humanos, sino que detectan hasta diez veces más terremotos y con menos recursos. Además, pueden ejecutarse en ordenadores comunes gracias a su tamaño compacto —apenas 350.000 parámetros, frente a los miles de millones de ChatGPT—. Y lo más importante: generalizan bien, es decir, funcionan incluso en regiones donde no hay registros históricos.

Su eficacia depende, eso sí, de un elemento esencial: los datos. Igual que la llegada de ImageNet impulsó el auge del aprendizaje profundo en visión artificial, el campo de la sismología experimentó su propio salto con el Stanford Earthquake Dataset (STEAD), que reunió más de 1,2 millones de fragmentos sísmicos etiquetados por humanos. Con ese material, los modelos aprendieron a distinguir entre un temblor auténtico, una explosión o incluso un helicóptero aterrizando.

Los resultados son tan buenos que, según Byrnes, estos sistemas son “cómicamente eficaces”. En catálogos sísmicos de países como Italia, se han identificado miles de terremotos invisibles para los métodos tradicionales, lo que ha permitido cartografiar con una resolución sin precedentes las microfracturas de la corteza terrestre.

Pero la IA no solo detecta más terremotos: también permite nuevas formas de entender el planeta. En 2022, un equipo liderado por John Wilding utilizó catálogos generados por IA para mapear las conexiones subterráneas entre el complejo magmático de Pāhala y el volcán Mauna Loa, en Hawái. Sus resultados confirmaron la existencia de un canal de magma antes solo teorizado. Esta información es vital para mejorar las alertas de erupciones y el monitoreo en tiempo real.

Cada punto es un pequeño terremoto.

Otra aplicación emergente es el análisis mediante fibras ópticas, conocido como Distributed Acoustic Sensing (DAS). Cada cable puede registrar cientos de gigabytes diarios de datos sísmicos, una cantidad inmanejable sin ayuda de algoritmos. Con IA, los investigadores pueden detectar incluso el eco de un paso humano o el temblor microscópico previo a un sismo mayor.

No todo es entusiasmo. Algunos expertos advierten que la “moda de la IA” puede llevar a abusos académicos. “Las universidades quieren que pongas la palabra ‘IA’ delante de todo”, ironiza Byrnes. Otros, como Hubbard, lamentan que algunos jóvenes investigadores se obsesionen con el algoritmo y se olviden de aprender cómo realmente funciona la Tierra. Aun así, la mayoría coincide en que la automatización ha liberado tiempo y recursos para tareas más complejas.

La gran meta, predecir los terremotos con precisión, sigue fuera de alcance. Pero el progreso reciente demuestra que la inteligencia artificial ha permitido a los científicos escuchar la Tierra con una nitidez antes imposible. Quizá aún no podamos anticipar el próximo gran sismo, pero gracias a estas herramientas sabemos más que nunca sobre el mundo que tiembla bajo nuestros pies.