IA predice terremotos con semanas de antelación

La predicción de terremotos ha sido durante décadas el gran problema no resuelto de la geofísica. A diferencia de los huracanes, que siguen patrones atmosféricos modelables con semanas de anticipación, los terremotos resultan de procesos en el subsuelo que no generan señales claras y consistentes con suficiente anticipación. Los intentos históricos de predección, basados en señales electromagnéticas, comportamiento animal o anomalías del agua subterránea, no superaron la prueba de la reproducibilidad científica.

El enfoque con machine learning es diferente en su lógica: en lugar de buscar una sola señal predictiva, los modelos entrenan sobre enormes volúmenes de datos sísmicos históricos para identificar patrones estadísticos que preceden a eventos de magnitud significativa. Un sistema desarrollado por investigadores de la Universidad de Texas y publicado en 2023 logró predecir 70% de los terremotos en una ventana de prueba posterior al entrenamiento, con días de anticipación y bajos niveles de falsas alarmas.

Los resultados son prometedores pero no constituyen una solución definitiva. El modelo funciona mejor en zonas con redes de sensores densas y datos históricos extensos, lo que excluye muchas regiones del mundo vulnerables. Y la diferencia entre 70% de acierto y 100% sigue siendo crítica cuando se habla de evacuaciones que afectan a cientos de miles de personas. La investigación avanza, pero la predicción universal de terremotos sigue siendo un horizonte, no una realidad operativa.