La IA que predice terremotos: entre la promesa y el tiempo real

La IA predicción terremotos es uno de los terrenos donde la tecnología parece rozar lo imposible, y donde los titulares se adelantan años a la realidad. Los modelos de inteligencia artificial ya consiguen detectar señales sísmicas con una precisión que hubiera sido impensable hace una década, identificar patrones en millones de registros y procesar datos de sensores en tiempo casi real. Lo que no consiguen, todavía, es decirte cuándo va a temblar el suelo bajo tus pies.

Eso no significa que el campo esté estancado. Significa que hay una diferencia enorme entre detectar un terremoto mientras ocurre y predecirlo antes de que suceda, y que esa diferencia importa más de lo que sugiere la mayoría de los artículos sobre el tema.

¿Qué hace realmente la IA con los datos sísmicos?

Los sistemas de inteligencia artificial aplicados a la sismología trabajan principalmente en tres tareas: detección automática de eventos sísmicos, clasificación de señales y análisis de patrones en series temporales largas. En las dos primeras, los avances son sólidos y están en uso operativo en varias agencias del mundo.

El USGS (Servicio Geológico de Estados Unidos) lleva años incorporando algoritmos de aprendizaje automático en sus redes de monitorización. En California, el sistema ShakeAlert usa datos de centenares de sensores para emitir alertas tempranas: no predice el terremoto, sino que lo detecta en los primeros milisegundos y avisa a zonas que aún no lo sienten. La diferencia entre «predicción» y «alerta temprana» no es semántica: ShakeAlert da segundos de margen, no días. Japón tiene un sistema equivalente, JMA EEW, que lleva operativo desde 2007 y ha dado tiempo suficiente para que trenes de alta velocidad frenen antes de que lleguen las ondas más destructivas.

Donde la IA añade algo nuevo es en la capacidad de escuchar señales que antes pasaban desapercibidas. Un equipo del Caltech publicó en 2023 un modelo capaz de detectar hasta diez veces más microsismos que los catálogos tradicionales en el sur de California. Esos microsismos no causan daño, pero forman parte del registro de actividad de una falla. Tener un catálogo más completo ayuda a entender mejor la falla, aunque no predice cuándo romperá.

¿Puede la IA predecir un terremoto con horas o días de antelación?

No hay ningún sistema operativo en el mundo que prediga terremotos con horas o días de antelación con fiabilidad demostrada, ya sea basado en IA o en cualquier otra metodología. Eso incluye los sistemas que usan inteligencia artificial. La razón no es solo tecnológica: es que la física del proceso sigue sin estar completamente comprendida.

Un terremoto ocurre cuando la tensión acumulada en una falla supera el umbral de ruptura. El problema es que ese umbral varía de forma no lineal, depende de la composición de la roca, la presión de fluidos, la temperatura y docenas de factores que cambian a profundidades donde no llegan los sensores directos. Los modelos de IA aprenden de datos históricos, pero la ruptura de una falla es, en muchos sentidos, un evento con componentes caóticos que hacen que la extrapolación sea muy difícil.

Hay intentos serios que merece la pena conocer. El proyecto DeepShake, desarrollado por investigadores de Harvard, entrenó redes neuronales con datos de miles de terremotos para intentar predecir la intensidad del movimiento del suelo en puntos concretos. Los resultados son prometedores para estimación de peligrosidad a largo plazo, no para predicción de eventos individuales. Google, junto con el Instituto Tecnológico de Israel, publicó en 2023 un estudio donde un modelo de IA identificó patrones en señales de baja frecuencia que podrían preceder a grandes terremotos. Los propios autores advirtieron que los resultados necesitan validación independiente antes de hablar de predicción operativa.

Hay también enfoques que usan datos de GPS, variaciones ionosféricas y señales electromagnéticas como posibles precursores. Algunos están respaldados por estudios publicados en revistas revisadas por pares; otros circulan en ámbitos más especulativos. La sismología oficial es escéptica, y con razón: décadas de investigación en precursores sísmicos han producido señales prometedoras que luego no se replican.

¿Qué papel juegan los datos masivos y las redes de sensores?

La inteligencia artificial en la predicción de terremotos depende directamente de la cantidad y calidad de los datos disponibles, y ahí sí hay progreso real. Las redes de sensores sísmicos han crecido mucho en los últimos años, y los teléfonos móviles se han convertido en una fuente de datos inesperada.

El proyecto MyShake, de la Universidad de California en Berkeley, usa los acelerómetros de los smartphones para detectar vibraciones sísmicas. Con millones de dispositivos participando, la red de sensores es densa como nunca había sido posible. El objetivo inmediato no es la predicción, sino mejorar la cobertura de alertas tempranas en zonas donde no llegan los sismógrafos profesionales.

Más allá de los sensores convencionales, hay investigación en curso con datos satelitales, mediciones de deformación del suelo y análisis de variaciones en el campo gravitatorio. La agencia espacial europea ESA ha explorado el uso de datos del satélite Sentinel para detectar cambios en la superficie terrestre antes de grandes terremotos. Los resultados publicados hasta ahora son preliminares. Algunos estudios encuentran correlaciones interesantes; otros no consiguen replicarlas.

Lo que sí ha mejorado de forma medible es la capacidad de los modelos para procesar señales complejas en tiempo real, algo que también ha transformado otras ciencias de la predicción física. En sismología, eso se traduce en catálogos más completos y en alertas más rápidas, aunque no en predicciones de días.

Los límites reales de la IA frente a un sistema caótico

La IA aprende patrones en datos históricos. Eso funciona bien cuando el sistema que se quiere modelar es suficientemente estable: el comportamiento de usuarios en una plataforma, el tráfico en una autopista, incluso ciertos patrones climáticos. Los sistemas caóticos, donde pequeñas variaciones en las condiciones iniciales producen resultados muy distintos, son otro asunto.

La corteza terrestre es un sistema con memoria larga, interacciones entre fallas a distancia y procesos que ocurren a profundidades y presiones que ningún sensor mide directamente. Eso no impide que la IA aporte valor, pero sí limita hasta dónde puede llegar la predicción puntual. Mejorar la estimación probabilística del peligro en una región es alcanzable y útil. Decir «el terremoto ocurrirá el martes» no lo es, al menos con los datos y el conocimiento físico actuales.

Hay algo más que conviene tener claro: una predicción errónea no es neutral. Si un sistema anuncia un gran terremoto que no ocurre, las consecuencias son evacuaciones masivas, coste económico enorme y, sobre todo, pérdida de credibilidad que hace que la gente ignore la siguiente alerta. La historia de la predicción sísmica tiene casos célebres de falsas alarmas con consecuencias graves. Por eso la sismología institucional es cauta, y esa cautela tiene base empírica.

Vale la pena recordar que la inteligencia artificial tiene límites estructurales que no desaparecen por aumentar la potencia de cálculo, especialmente cuando el problema de fondo es físico, no computacional.

¿Dónde están los avances más sólidos hoy mismo?

Los progresos más fiables en la aplicación de IA a la sismología están en cuatro áreas concretas, todas ellas con impacto real aunque distintas de la predicción puntual.

• Detección y clasificación automática de microsismos, que permite construir catálogos mucho más completos y entender mejor la actividad de cada falla.
• Estimación del movimiento del suelo esperado en distintos escenarios, útil para la planificación urbanística y la normativa de construcción.
• Alertas tempranas más rápidas y precisas, que aprovechan la diferencia de velocidad entre las ondas P (primeras, menos destructivas) y las ondas S (más lentas, más dañinas) para ganar segundos.
• Análisis de riesgo a largo plazo, combinando datos geológicos, históricos y modelos probabilísticos para identificar zonas de mayor exposición.

Ninguna de estas aplicaciones es ciencia ficción. Algunas ya están integradas en sistemas operativos de agencias como el USGS, el Centro Sismológico Europeo-Mediterráneo o el Instituto Geográfico Nacional en España. El salto de «detectar mejor» a «predecir antes» sigue siendo el más difícil.

La acumulación de datos también abre posibilidades que en 2015 no existían. El volumen de datos que generamos hoy incluye señales de todo tipo que antes nadie pensaba en correlacionar con la actividad sísmica. Si hay patrones reales ahí, los modelos de aprendizaje profundo tienen más posibilidades de encontrarlos que los métodos estadísticos clásicos.

Eso no garantiza el éxito. Pero sí cambia las condiciones del problema. Hay equipos en Stanford, en el MIT, en el Centro Sismológico de Tokio y en universidades chinas que trabajan en paralelo, con enfoques distintos y datasets distintos. Los modelos de IA aprenden a corregirse solos con cada nuevo evento registrado, lo que significa que la base de conocimiento crece de forma continua.

El reto está en si ese aprendizaje puede capturar algo genuinamente predictivo sobre la ruptura de fallas, o si simplemente está aprendiendo a describir mejor lo que ya ha pasado. Son dos cosas muy distintas.

La comparación con otros campos ayuda a calibrar las expectativas. Cuando la IA toma decisiones de alto impacto en contextos institucionales, el debate sobre fiabilidad, validación y responsabilidad siempre aparece. En sismología ocurriría lo mismo: antes de que un sistema predictivo se use para ordenar una evacuación, necesita superar un umbral de validación que ningún modelo ha alcanzado todavía.

También importa quién financia la investigación y con qué incentivos. Las startups que prometen predicción sísmica con IA han captado atención mediática y, en algún caso, inversión significativa. Los científicos que trabajan en agencias públicas suelen ser más cautos en sus declaraciones. Los límites que las empresas se imponen o no se imponen a sí mismas en el uso de IA tienen consecuencias muy concretas cuando el producto promete proteger vidas.

¿Llegará el día en que una IA avise con días de antelación?

Nadie en la comunidad científica puede decir que es imposible, pero tampoco hay evidencia de que esté cerca. La física del problema no ha cambiado: la corteza terrestre sigue siendo un sistema donde la acumulación de tensión es medible, pero el momento exacto de ruptura depende de variables que no tenemos forma de observar con la resolución necesaria. La IA puede ayudar a leer mejor las señales disponibles, pero no puede ver lo que ningún sensor registra.

Lo que sí parece razonable esperar es que los sistemas de alerta temprana sigan mejorando, que los mapas de riesgo se vuelvan más precisos y que el tiempo entre detección y alerta se reduzca aún más. Para muchos países sísmicamente activos, eso es suficiente para salvar miles de vidas, aunque nunca llegue la predicción puntual. Quizás la pregunta más honesta no es si la IA predecirá terremotos, sino si estamos construyendo bien los edificios en las zonas de riesgo que ya conocemos.

Preguntas frecuentes