Cuando los investigadores de Los Álamos sondearon el funcionamiento interno de su algoritmo, lo que aprendieron los sorprendió. La característica estadística en la que el algoritmo se apoyó más fuertemente para sus predicciones no estaba relacionada con los eventos precursores justo antes de un terremoto de laboratorio. Más bien, fue la varianza — una medida de cómo la señal fluctúa sobre la media — y se transmitió a lo largo del ciclo de stick-slip, no solo en los momentos inmediatamente anteriores al fallo., La varianza comenzaría siendo pequeña y luego gradualmente ascendería durante el período previo a un terremoto, presumiblemente a medida que los granos entre los bloques se empujaban cada vez más entre sí bajo el creciente esfuerzo cortante. Con solo conocer esta varianza, el algoritmo podría hacer una estimación decente de cuándo ocurriría un deslizamiento; la información sobre eventos precursores ayudó a refinar esas conjeturas.
El hallazgo tuvo grandes implicaciones potenciales. Durante décadas, los aspirantes a pronosticadores de terremotos habían apuntado a los presagios y otros eventos sísmicos aislados., El resultado de Los Alamos sugirió que todos habían estado buscando en el lugar equivocado, que la clave para la predicción estaba en cambio en la transmisión de información más sutil durante los períodos relativamente tranquilos entre los grandes eventos sísmicos.
sin duda, los bloques deslizantes no comienzan a capturar la complejidad química, térmica y morfológica de las verdaderas fallas geológicas. Para demostrar que el aprendizaje automático podía predecir terremotos reales, Johnson necesitaba probarlo en una falla real. ¿Qué mejor lugar para hacer eso, pensó, que en el noroeste del Pacífico?,
fuera del laboratorio
La mayoría, si no todos, de los lugares de la tierra que pueden experimentar un terremoto de magnitud 9 son zonas de subducción, donde una placa tectónica se sumerge debajo de otra. Una zona de subducción justo al este de Japón fue responsable del terremoto de Tohoku y el posterior tsunami que devastó la costa del país en 2011. Un día, la zona de subducción de Cascadia, donde la placa Juan de Fuca se sumerge debajo de la placa Norteamericana, devastará de manera similar el Puget Sound, La Isla de Vancouver y el noroeste del Pacífico circundante.,
la zona de subducción de Cascadia se extiende a lo largo de aproximadamente 1.000 kilómetros de la costa del Pacífico desde el Cabo Mendocino en el norte de California hasta la isla de Vancouver. La última vez que penetró, en enero de 1700, engendró un temblor de magnitud 9 y un tsunami que alcanzó la costa de Japón. Los registros geológicos sugieren que a lo largo del Holoceno, la falla ha producido tales megaquemias aproximadamente una vez cada medio milenio, más o menos unos pocos cientos de años. Estadísticamente hablando, la próxima grande debe ser en cualquier siglo.,
esa es una de las razones por las que los sismólogos han prestado tanta atención a los terremotos de deslizamiento lento de la región. Se cree que los lentos deslizamientos en los tramos inferiores de una falla de la zona de subducción transmiten pequeñas cantidades de estrés a la frágil corteza de arriba, donde ocurren rápidos y catastróficos terremotos. Con cada deslizamiento lento en el área de Puget Sound-Vancouver Island, las posibilidades de un megaquake del Noroeste del Pacífico aumentan ligeramente. De hecho, se observó un lento deslizamiento en Japón en el mes anterior al terremoto de Tohoku.,
para Johnson, sin embargo, hay otra razón para prestar atención a los terremotos de deslizamiento lento: producen muchos y muchos datos. Para comparación, no ha habido terremotos rápidos importantes en el tramo de falla entre Puget Sound y la isla de Vancouver en los últimos 12 años. En el mismo lapso de tiempo, la falla ha producido una docena de resbalones lentos, cada uno registrado en un catálogo sísmico detallado.
ese catálogo sísmico es la contraparte en el mundo real de las grabaciones acústicas del experimento sísmico del laboratorio de Johnson., Al igual que lo hicieron con las grabaciones acústicas, Johnson y sus compañeros de trabajo cortaron los datos sísmicos en pequeños segmentos, caracterizando cada segmento con un conjunto de características estadísticas. Luego alimentaron esos datos de entrenamiento, junto con información sobre el tiempo de eventos pasados de Slow slip, a su algoritmo de aprendizaje automático.
después de ser entrenado en datos de 2007 a 2013, el algoritmo fue capaz de hacer predicciones sobre resbalones lentos que ocurrieron entre 2013 y 2018, en base a los datos registrados en los meses anteriores a cada evento., La característica clave fue la energía sísmica, una cantidad estrechamente relacionada con la varianza de la señal acústica en los experimentos de laboratorio. Al igual que la varianza, la energía sísmica subió de una manera característica en el período previo a cada deslizamiento lento.
Los pronósticos de Cascadia no eran tan precisos como los de los terremotos de laboratorio. Los coeficientes de correlación que caracterizan la adecuación de las predicciones a las observaciones fueron sustancialmente menores en los nuevos resultados que en el estudio de laboratorio., Aún así, el algoritmo fue capaz de predecir todos menos uno de los cinco resbalones lentos que ocurrieron entre 2013 y 2018, señalando las horas de inicio, dice Johnson, en cuestión de días. (Un deslizamiento lento que ocurrió en agosto de 2019 no se incluyó en el estudio.)
para De Hoop, la gran conclusión es que » las técnicas de aprendizaje automático nos han dado un corredor, una entrada en la búsqueda de datos para buscar cosas que nunca hemos identificado o visto antes.»Pero advierte que hay más trabajo por hacer. «Se ha dado un paso importante, un paso extremadamente importante., Pero es como un pequeño paso en la dirección correcta.»
verdades aleccionadoras
el objetivo de la predicción de terremotos nunca ha sido predecir resbalones lentos. Más bien, es para predecir terremotos repentinos y catastróficos que representan un peligro para la vida y las extremidades. Para el enfoque de aprendizaje automático, esto presenta una aparente paradoja: los terremotos más grandes, los que los sismólogos más quisieran ser capaces de predecir, también son los más raros. ¿Cómo un algoritmo de aprendizaje automático obtendrá suficientes datos de entrenamiento para predecirlos con confianza?,
el grupo Los Alamos apuesta a que sus algoritmos no necesitarán entrenar en terremotos catastróficos para predecirlos. Estudios recientes sugieren que los patrones sísmicos antes de pequeños terremotos son estadísticamente similares a los de sus contrapartes más grandes, y en un día dado, docenas de pequeños terremotos pueden ocurrir en una sola falla. Una computadora entrenada en miles de esos pequeños temblores podría ser lo suficientemente versátil como para predecir los grandes., Los Algoritmos de aprendizaje automático también podrían ser capaces de entrenar en simulaciones por computadora de terremotos rápidos que algún día podrían servir como proxies para datos reales.
pero aún así, los científicos confrontarán esta verdad aleccionadora: aunque los procesos físicos que conducen a una falla al borde de un terremoto pueden ser predecibles, la activación real de un terremoto — el crecimiento de una pequeña perturbación sísmica en una ruptura de falla en toda regla-se cree que la mayoría de los científicos contienen al menos un elemento de aleatoriedad., Suponiendo que sea así, no importa lo bien que las máquinas estén entrenadas, es posible que nunca sean capaces de predecir terremotos, así como los científicos predicen otros desastres naturales.
«todavía no sabemos qué significa la previsión en lo que respecta al tiempo», dijo Johnson. «Sería como un huracán? No, no lo creo.»
en el mejor de los casos, las predicciones de grandes terremotos probablemente tendrán límites de tiempo de semanas, meses o años. Tales pronósticos probablemente no podrían usarse, digamos, para coordinar una evacuación masiva en vísperas de un temblor., Pero podrían aumentar la preparación del público, ayudar a los funcionarios públicos a orientar sus esfuerzos para modernizar edificios inseguros y mitigar los peligros de terremotos catastróficos.
Johnson ve eso como un objetivo por el que vale la pena luchar. Siempre el realista, sin embargo, él sabe que tomará tiempo. «No estoy diciendo que vamos a predecir terremotos en mi vida», dijo, » pero’re vamos a hacer un gran progreso.»
Este artículo fue reimpreso en Wired.com.