Valiéndose de una estrategia de inteligencia artificial, científicos de Estados Unidos perfeccionaron un programa de computadora para detectar temblores leves, a los que anteriormente se confundía con ruido en la información. Con la coordinación de la sismóloga Marine Denolle, de la Universidad Harvard, en Estados Unidos, el informático Thibaut Perol y el matemático Michaël Gharbi apelaron a un abordaje computacional denominado aprendizaje de máquinas deep learning para crear un software capaz de analizar rápidamente grandes volúmenes de información almacenados en los registros de movimiento del suelo (sismogramas). El nuevo programa, cuya denominación es ConvNetQuake, al ser expuesto a algunos ejemplos aprende a reconocer características exclusivas de las ondas sísmicas producidas por terremotos y a diferenciarlas de aquellas ondas generadas por otros fenómenos, tales como el paso de un camión cerca del detector. Otros programas también emplean el aprendizaje de máquinas para detectar sismos, pero a diferencia del ConvNetQuake analizan el formato total de la onda y no sólo los picos destacados. Eso exige mayor tiempo de procesamiento computarizado y obliga a reducir el número de modelos comparados (disminuyendo la detección de sismos). Los investigadores testearon el nuevo programa utilizando datos de estaciones sismográficas de la ciudad de Guthrie, en Oklahoma (EE.UU.), y registraron 17 veces más temblores que el servicio geológico del estado. Tan sólo en julio de 2014, ese programa detectó 4.225 sismos, la mayoría de baja magnitud, además de los que ya había registrado el servicio geológico (Sciences Advances, 14 de febrero). Comparándolo con otros dos programas que emplean inteligencia artificial, al ConvNetQuake le demandó 1 minuto analizar datos de toda una semana, mientras que el segundo programa invirtió en ello 48 minutos, y el tercero, nueve días. El ConvNetQuake fue el único de los tres que pudo localizar el origen del temblor (acertando el 74% de las veces).
Republicar
Edición impresa
Actual | Anteriores
