Constantemente en la Tierra se produce un fenómeno que, dependiendo de su intensidad, puede causar grandes destrozos en las ciudades. Se trata de los terremotos, un movimiento brusco y repentino de la superficie terrestre, causado por la súbita liberación de energía. También conocidos como sismos o temblores, los terremotos se producen principalmente por el movimiento de las placas tectónicas que conforman la corteza de nuestro planeta.
Los terremotos causan grandes destrozos cuando son de gran intensidad y ocurren en ciudades, al ser capaces de destruir edificios en segundos. Por ello, no resulta extraño que la comunidad científica tenga como objetivo poder determinar con precisión la fecha, hora y lugar en los que tendrá lugar un sismo. De esta manera, se logrará evitar la pérdida de miles de vidas en todo el mundo. Para lograrlo, es necesario monitorear de manera eficaz la actividad sísmica de todo el planeta, una tarea monumental y compleja.
A diario se monitorea la actividad sísmica en el llamado Cinturón de Fuego del Pacífico, la zona con mayor actividad telúrica del planeta. (Foto: USGS)
La irrupción de la Inteligencia Artificial en la sismología permite soñar que avanzamos hacia ese objetivo. Y es que la sismología actualmente está experimentando un cambio significativo con el surgimiento del Sensado Acústico Distribuido (DAS, por sus siglas en inglés), una tecnología de rápido crecimiento que convierte los cables de fibra óptica existentes, incluso aquellos utilizados para Internet, en redes sísmicas ultra densas con espaciado de sensores a escala de metros.
El DAS proporciona una manera escalable y económica de monitorear terremotos, aunque también presenta un desafío: el volumen masivo de datos producidos supera la capacidad humana de análisis. Es decir, se produce una suerte de “cuello de botella de datos etiquetados”, que impide al DAS alcanzar su potencial completo en el monitoreo de terremotos.
No obstante, todo desafío lleva a una posible solución. Por ello, un equipo colaborativo de la Universidad de Montreal, la Institución Oceanográfica Woods Hole y UC Berkeley ha desarrollado un modelo denominado DASFormer, que, utilizando Inteligencia Artificial, aprende a monitorear terremotos a partir de los datos DAS continuos por sí solo, convirtiéndose en un “sismógrafo artificial”.
Publicado el 15 de julio de 2025 en la revista Visual Intelligence, el estudio introduce un marco de preentrenamiento auto-supervisado que puede interpretar señales sísmicas identificando anomalías sin que se le indique de antemano cómo luce un terremoto.
DASFormer: Cómo aprender a identificar terremotos sin etiquetas
El sistema actúa como pronosticador. En una primera instancia aprende a predecir el estado “normal” del mundo. Así, el modelo se entrena en conjuntos de datos DAS masivos y no etiquetados. De esta manera, aprende los patrones espacio-temporales predecibles de señales de fondo, como vibraciones de tráfico o ruido ambiental.
Ilustración del funcionamiento del DAS para el monitoreo de terremotos. A la derecha se muestra un ejemplo de datos del DAS recopilados en Ridgecrest City, California. (Foto: Visual Intelligence, Tsinghua University Press)
Entonces, cuando ocurre un terremoto, unas ondas aparecen como anomalías agudas e impredecibles que desafían las predicciones aprendidas por el modelo.
El DASFormer debe marcar estas desviaciones y, al hacerlo, convierte la detección de terremotos en una tarea de detección de anomalías.
