Escuchar
Cuando el mayor terremoto en más de una década sacudió en julio la península de Kamchatka, en Rusia, sismólogos de todo el mundo se enteraron en cuestión de segundos. Sensores repartidos por todo el orbe detectan las sacudidas y transmiten esa información a los investigadores, que analizan rápidamente las observaciones y emiten alertas.
Ahora, la inteligencia artificial está a punto de acelerar la investigación sísmica, y de reescribir la comprensión de los investigadores sobre cómo se producen los terremotos.
Mediante una subdisciplina de la IA llamada aprendizaje automático, algunos científicos están identificando millones de pequeños sismos, antes invisibles. Estas nuevas y mejoradas bases de datos ayudan a comprender mejor las fallas geológicas donde se producen los sismos, y pueden ayudar a esclarecer riesgos de futuros terremotos. Algunos científicos incluso utilizan el aprendizaje automático para mejorar sus previsiones sobre el número de réplicas que pueden sacudir luego de un terremoto grande y destructivo.
Los investigadores esperan que el aprendizaje automático, con su capacidad para procesar enormes cantidades de información y aprender de los patrones, revele nuevos conocimientos sobre cómo se desarrolla un sismo en sus primeros y devastadores segundos.
“El aprendizaje automático abrió una ventana completamente nueva”, afirma Mostafa Mousavi, sismólogo de la Universidad de Harvard.
Tierra que tiembla, datos explosivos
Los terremotos se producen cuando se acumula tensión geológica en el suelo, como cuando dos placas de la corteza terrestre se rozan entre sí. En algún momento, la tensión alcanza un umbral crítico y la falla se rompe, fracturando la roca y provocando que la energía sísmica se propague hacia el exterior y sacuda el suelo.
Esa energía es registrada por sismógrafos. Los datos se introducen en sistemas nacionales e internacionales para rastrear los sismos y alertar. La cantidad de datos se ha disparado en los últimos años, ya que los sismólogos han encontrado nuevas formas de recopilar información, como la detección de señales sísmicas a través de redes de fibra óptica o el uso de los acelerómetros integrados en los teléfonos inteligentes para crear una red de alerta de terremotos basada en teléfonos.
Hace una o dos décadas, gran parte del análisis de las señales sísmicas se realizaba a mano, pero hoy hay demasiados puntos de datos. “Ahora, la única forma —casi— de manejar los datos sísmicos es recurrir al procesamiento automático”, afirma Mousavi, coautor de un artículo de 2023 en el Annual Review of Earth and Planetary Sciences sobre el aprendizaje automático en la sismología.
Uno de los usos más comunes del aprendizaje automático en sismología es la medición del tiempo de llegada de las ondas sísmicas a un lugar, un proceso conocido como selección de fases. Los movimientos telúricos generan dos tipos de ondas sísmicas (ondas P y S), que afectan al suelo de diferentes maneras. En el pasado, un sismólogo analizaba los datos que llegaban de los sensores sísmicos y seleccionaba manualmente lo que consideraba el inicio de las ondas P o S en esos gráficos sismográficos.
Ahora, los sismólogos usan algoritmos de aprendizaje automático para seleccionar las fases sísmicas mucho más rápido de lo que lo hace un humano. Existen varios métodos automatizados que pueden realizar la selección de fases, pero los algoritmos de aprendizaje automático, que han sido entrenados con grandes volúmenes de datos sobre terremotos pasados, pueden identificar una amplia variedad de señales de diferentes tipos de temblores de una forma que antes no era posible.
La selección de fases basada en la IA es más rápida que la selección de fases realizada por humanos y al menos igual de precisa, afirma Mousavi.
Ampliar catálogos de sismos
El aprendizaje automático también es útil para ampliar los catálogos de sismos, listas de los movimientos telúricos que se han producido en una región. Estos catálogos incluyen todos los temblores que los sismólogos pueden identificar, pero la IA puede hallar exponencialmente más temblores.
El aprendizaje automático puede rastrear los datos para identificar pequeños temblores que las personas no tienen la capacidad o el tiempo para señalar. “O no se ven a simple vista, o no hay tiempo para observar todos esos pequeños eventos”, afirma Leila Mizrahi, sismóloga del Servicio Sismológico Suizo de la ETH Zürich.
En un estudio publicado en 2019 en Science, los investigadores utilizaron un algoritmo de inteligencia artificial que comparaba patrones de ondas sísmicas para identificar más de 1,5 millones de pequeños sismos producidos en el sur de California entre 2008 y 2017, pero que no se habían detectado. Son temblores minúsculos que la mayoría de la gente no sentiría ni siquiera si estuviera encima de ellos, pero saber que existen es vital para comprender patrones de comportamiento en una falla geológica.
Mousavi dice que los pequeños temblores son una ventana para comprender cómo se originan los terremotos más grandes. Los grandes terremotos pueden producirse a lo largo de una falla concreta una vez cada siglo o más, un lapso demasiado largo para que los científicos puedan observarlos y comprender el proceso de ruptura. Los pequeños temblores se comportan de forma muy similar a los grandes, pero se producen con mucha más frecuencia. De este modo, los catálogos más completos “tienen el potencial de ayudarnos a comprender y modelar mejor el riesgo sísmico”, afirma Mousavi.
Los catálogos de sismos ampliados también pueden arrojar mucha más luz que antes sobre la estructura de las fallas geológicas debajo de una región. En 2022, un equipo dirigido por el sismólogo Yongsoo Park, entonces en la Universidad de Stanford, usó el aprendizaje automático para crear un catálogo ampliado de sismos en Oklahoma y Kansas entre 2010 y 2019, muchos de ellos inducidos por empresas petroleras y extractoras de gas que inyectaban aguas residuales en el suelo. El trabajo sacó a la luz estructuras de fallas que antes no eran visibles, lo que permitió a los científicos cartografiar las fallas con mayor precisión y comprender mejor el riesgo sísmico.
Park y sus colegas mostraron que el 80 % de los sismos más grandes que se produjeron podrían haberse anticipado basándose en los temblores más pequeños que ocurrieron antes de los grandes.
“Siempre existe la posibilidad de que el próximo gran terremoto se produzca en una falla que aún no se ha cartografiado”, afirma Park, que ahora trabaja en el Laboratorio Nacional de Los Álamos, en Nuevo México. “El registro sistemático de los temblores más pequeños podría revelar esas fallas ocultas antes de un gran terremoto”.
Los científicos aplican este enfoque en todo el mundo. Investigadores de Taiwán utilizaron el aprendizaje automático para elaborar un catálogo más detallado de un terremoto de magnitud 7,3, ocurrido en abril de 2024, que causó la muerte de al menos 18 personas en la isla y dañó cientos de edificios.
El estudio, presentado en una reunión de sismología en abril de 2025, reveló que el catálogo basado en inteligencia artificial era aproximadamente cinco veces más completo que el elaborado por analistas humanos, y se elaboró en un día en lugar de en meses. Reveló nuevos detalles sobre la ubicación y la orientación de las fallas geológicas.
La predicción sigue siendo un problema
Hasta ahora, la IA no ha tenido tanto éxito al abordar otro reto mayor de la sismología: pronosticar la probabilidad de futuros terremotos.
La predicción de terremotos se ocupa de probabilidades generales. Actualmente, los sismólogos crean predicciones de sismos utilizando análisis matemáticos de terremotos pasados. La IA funciona bastante bien para tareas específicas, como comprender cuántas réplicas pueden sacudir una región después de un gran terremoto. Ese tipo de información puede ayudar a las personas en una zona de desastre a saber si es seguro regresar a sus casas o si es posible que se produzcan más réplicas, lo que podría provocar el derrumbe de más edificios.
Pero este análisis no siempre puede captar con precisión el riesgo sísmico real, especialmente a lo largo de fallas que rara vez producen grandes terremotos y, por lo tanto, no están bien representadas en los registros sísmicos. Los sismólogos están probando algoritmos basados en inteligencia artificial para la predicción de terremotos con el fin de ver si pueden mejorar los resultados, pero hasta ahora las noticias son poco alentadoras.
“Aún no superan a los tradicionales”, afirma Mousavi, que resumió el estado de la cuestión en un artículo publicado en agosto de 2025 en Physics Today.
En uno de los experimentos más prometedores, Mizrahi ha intentado utilizar la IA para acelerar la producción de pronósticos de réplicas en los minutos y horas cruciales tras un gran terremoto. Ella y un colega entrenaron un algoritmo de aprendizaje automático con el método estadístico más antiguo de predicción de terremotos y luego lo pusieron en marcha por su cuenta para ver cómo funcionaba la IA. Funcionó mucho más rápido que el enfoque antiguo, sin IA, pero aún queda trabajo por hacer. “Estamos evaluando nuestro grado de satisfacción con él”, afirma Mizrahi, que publicó los resultados el año pasado en Seismological Research Letters.
En el futuro, los investigadores esperan acelerar este tipo de análisis de predicción. Otras áreas de la sismología también podrían beneficiarse.
Park también advierte sobre el peligro de confiar demasiado en las herramientas de aprendizaje automático. Los científicos deben tener cuidado con el control de calidad para asegurarse de que interpretan correctamente los resultados de cualquier análisis de IA, afirma.
Sin embargo, en general, los sismólogos ven un futuro prometedor en el uso de la IA para comprender mejor los terremotos.
Este artículo apareció originalmente en Knowable en español, una publicación sin ánimo de lucro dedicada a poner el conocimiento científico al alcance de todos. Suscríbase al boletín de Knowable en español.
