Después de un gran terremoto, réplicas de menor intensidad, algunas muy peligrosas, pueden afectar el área impactada por meses, lo que termina por derrumbar cientos de estructuras ya comprometidas. Los científicos pueden predecir el momento e intensidad de estas en cierto grado, pero la ubicación siempre representa un reto. Pero ahora, un grupo de investigadores de Google y Harvard creen que la Inteligencia Artificial podría ser de ayuda.

En un estudio publicado en Nature, los científicos han demostrado cómo el aprendizaje profundo puede ayudar a predecir la ubicación de las réplicas de forma más confiable. Estos, entrenaron a una red neuronal artificial para buscar patrones en una base de datos con más de 131 mil réplicas fuertes, antes de probar sus predicciones en una base de datos de 30 mil pares similares.

Esta red de aprendizaje profundo ha probado ser más efectiva que el modelo existente, conocido como Transferencia de esfuerzos de Coulomb. En una escala de 0 a 1, en la que 1 es el modelo exacto y 0.5 es la mitad de probabilidad, el Coulomb obtuvo 0.583; y el nuevo sistema de Inteligencia Artificial, 0.849.

Brendan Meade, uno de los responsables de la investigación, comentó que los resultados son alentadores. Este dijo que el conocimiento empírico les ha ayudado a determinar el cuándo y cómo de las réplicas, pero que la Inteligencia Artificial será determinante para saber el dónde.

Lee también: Cómo el aprendizaje automático está cambiando la industria de TI

El éxito de esta tecnología se debe a una de sus fortalezas: la habilidad para descubrir patrones omitidos en conjuntos de datos complejos. Esto es sumamente relevante en la sismología, donde puede ser muy difícil encontrar conexiones entre los datos.

Los investigadores dijeron que su modelo de aprendizaje profundo podrá hacer predicciones considerando un factor conocido como «Tensión de Von Mises», un complejo cálculo usado para poder saber cuándo un material se romperá debido al estrés.

A pesar del éxito de la investigación, el sistema todavía está lejos de poder ser desplegado, sobre todo por su lentitud actual, pero sus creadores creen que el potencial es enorme.

Fuente: The Verge