Prevedere gli effetti catastrofici dei terremoti con l’intelligenza artificiale
Fin dagli anni sessanta del secolo scorso, i geofisici hanno cercato di prevedere i terremoti, pur senza successo. Conoscere in anticipo quando si verificherà un evento del genere richiede un’analisi approfondita e un’ampia mappatura delle proprietà della crosta terrestre. A raccogliere la sfida è la squadra di ricerca di F-IMAGE. L’obiettivo del progetto era quello di sviluppare un nuovo imaging funzionale della crosta fragile, per chiarire non solo le sue proprietà strutturali ma anche la dinamica delle faglie. Per farlo, sono state utilizzate osservazioni sismiche esistenti di alta qualità, presenti in estese banche dati. L’uso dell’IA è stato fondamentale in termini di valutazione probabilistica della pericolosità sismica. «L’intelligenza artificiale ci consente di scoprire le relazioni statistiche tra questi parametri e le registrazioni delle accelerazioni del suolo. Può sfruttare appieno grandi insiemi di dati per descrivere in modo probabilistico il movimento del suolo atteso per un particolare terremoto», spiega Michel Campillo, sismologo francese e coordinatore del progetto. Valutando l’evoluzione a breve termine delle faglie (regioni in cui si sono verificate fratture geologiche, spesso associate a terremoti e altre attività tettoniche), diventa possibile chiarire i processi fisici dietro ai grandi terremoti e migliorare la valutazione del rischio.
Analisi non supervisionate con l’aiuto dell’IA
Questo risultato non sarebbe stato possibile senza l’uso dell’intelligenza artificiale. «In questo enorme insieme di dati, impossibile da analizzare in dettaglio manualmente, emergono segnali evidenti come i grandi terremoti, ma intendiamo analizzarne di ulteriori, come i segnali deboli e le continue evoluzioni delle rocce della crosta», afferma Campillo. Il progetto ha inoltre fatto uso dell’apprendimento profondo, un sottocampo dell’IA che utilizza le reti neurali artificiali per imitare il modo in cui i neuroni interagiscono con più livelli di elaborazione: il risultato è stata una modellazione di buona qualità di relazioni e modelli complessi all’interno del set di dati. Negli ultimi anni si è esteso rapidamente anche l’uso dell’intelligenza artificiale per insegnare alle macchine a riconoscere i terremoti e a individuarli molto rapidamente tra grandi masse di dati. Ma ciò che differenzia il progetto F-IMAGE è l’approccio basato sull’apprendimento non supervisionato, un tipo di analisi che non prevede dati di addestramento etichettati. «L’idea è di utilizzare una rappresentazione matematica dei segnali che sia ottimale, nel senso che registri molte proprietà di scale temporali diverse e permetta di esprimere la massima quantità di informazioni», spiega il coordinatore. Inoltre, le informazioni globali possono essere estratte senza alcuna ipotesi preliminare, non basandosi esclusivamente sulle caratteristiche apprese. Un tale approccio all’estrazione dei dati, dunque, sfrutta al meglio gli strumenti e le competenze dell’intelligenza artificiale, soprattutto per gestire grandi insiemi di dati.
Progressi metodologici
Oltre ad avere sviluppato le applicazioni dell’apprendimento non supervisionato, il progetto ha introdotto una tecnica per rilevare e localizzare piccoli terremoti. Questo metodo utilizza i dati provenienti da una rete di sensori, oppure di osservatori, e tiene conto dei vincoli fisici, come le variazioni del tempo di percorrenza delle onde sismiche attraverso la Terra. Considerando queste proprietà globali e i vincoli fisici, è possibile rilevare e localizzare i terremoti con più accuratezza ed efficacia. Per migliorare la capacità di rilevamento delle scosse, i ricercatori hanno introdotto nel processo alcuni passaggi per la quantificazione statistica, derivati direttamente da metodi di apprendimento profondo e che attingono a banche dati etichettate di grandi dimensioni. Il progetto ha svolto un ruolo cruciale in termini di miglioramento delle tecniche che usano le vibrazioni sismiche di fondo per creare immagini delle caratteristiche geologiche della Terra e dei loro cambiamenti nel tempo. «F-IMAGE usa un approccio innovativo nel campo della sismologia, che è in rapida evoluzione. La sua applicazione si concentra sulle zone di faglia e impiega diverse innovazioni metodologiche, come le onde corporee; inoltre, utilizza tecniche di imaging acustico e ottico e analizza l’energia sismica dispersa in modo multiplo», afferma Campillo. Le potenzialità di applicazione future in altri settori sono enormi per il metodo perfezionato da Campillo e il suo team, dal momento che queste tecniche innovative possono essere applicate in ambiti diversi dalla sismologia. I professionisti del settore medico o industriale, ad esempio, potranno trarre vantaggio da un miglioramento del monitoraggio e dell’analisi dei dati.
Parole chiave
F-IMAGE, IA, terremoti, sismico, movimento del suolo, apprendimento profondo, sismologia, dinamica delle faglie
