Sciam
Clique e assine Sciam
Notícias

A inteligência artificial pode antecipar terremotos?

A habilidade de predizer temores seria uma mudança tectônica na sismologia, mas seria este um sonho impossível? Para descobrir, um sismólogo está conduzindo experimentos de aprendizagem automática

Shutterstock
Prever terremotos é o santo graal da sismologia. Afinal, os tremores são mortais justamente por serem erráticos - atacam sem aviso, desencadeiam incêndios e tsunamis e, algumas vezes, matam centenas de milhares de pessoas. Se cientistas pudessem avisar a população semanas, ou até meses, antes que um grande terremoto aconteça, seria possível evacuar a área e tomar outras iniciativas para salvar inúmeras vidas.

Até agora, ninguém encontrou uma forma confiável de prever terremotos, apesar de muitos cientistas já terem tentado. Alguns especialistas consideram um esforço inútil. “Você é visto como maluco se diz que tentará avançar na previsão de terremotos”, explica Paul Johnson, geofísico do Laboratório Nacional de Los Alamos. Contudo, ele está tentando de qualquer forma, usando uma poderosa ferramenta que acredita ter potencial para resolver esse quebra-cabeça: a inteligência artificial.

Pesquisadores ao redor do mundo passaram décadas estudando diversos fenômenos que acreditavam serem confiáveis para a previsão de terremotos: premonitores, perturbações eletromagnéticas, mudanças na química dos lençóis freáticos e até mesmo comportamentos anormais em animais. Entretanto, nenhum desses fenômenos funcionou consistentemente. Matemáticos e físicos tentaram aplicar aprendizagem automática na previsão de tremores nos anos 1980 e 90, sem nenhum proveito. “O assunto é uma espécie de limbo”, diz Chris Scholz, sismólogo do Observatório Terrestre Lamont-Doherty da Universidade Columbia.

Contudo, avanços na tecnologia - algoritmos e supercomputadores de aprendizagem automática melhorados, além da habilidade de estocar e trabalhar com uma quantidade muito mais vasta de dados - podem dar à equipe de Johnson novos limites no uso da inteligência artificial. “Se tivéssemos tentado há dez anos, não teríamos sido capazes de fazer isso”, diz Johnson, que está colaborando com pesquisadores de diversas instituições. Contando com informática mais sofisticada, ele e sua equipe estão tentando algo que ninguém havia feito antes: utilizar dados brutos gerados por computador - uma enorme série de medidas tiradas continuamente antes, durante e depois de terremotos simulados em laboratório. Então, deixam o algoritmo vasculhar as informações para procurar padrões que sejam sinais confiáveis de quando um tremor artificial vai acontecer. Além das simulações em laboratório, a equipe também começou a fazer o mesmo tipo de análise de aprendizagem automática utilizando dados brutos de tremores reais.

Esse procedimento é diferente do que cientistas tentaram fazer para prever os tremores no passado - tipicamente, eles usavam dados sísmicos processados, chamados de “catálogos de terremotos”, para procurar por pistas. Essas séries de dados contém apenas magnitude, localização e horário dos terremotos, deixando de lado o resto das informações. Os dados brutos, por outro lado, podem permitir que o algoritmo de Johnson seja capaz de encontrar importantes marcadores de previsão.

Johnson e Chris Marone, geofísico da Universidade Estadual da Pensilvânia e colaborador da pesquisa, já fizeram experimentos laboratoriais utilizando o simulador de terremotos da universidade. Ele produz tremores aleatórios e gera dados para um algoritmo de aprendizagem automática de código aberto - e o sistema teve alguns resultados surpreendentes. Os pesquisadores descobriram que o algoritmo encontrou um sinal confiável em informações acústicas - barulhos contínuos de “rangimento” e “trituração” que acontecem durante a simulação. O algoritmo mostrou que esses sons mudam, de uma forma bem específica, quanto mais perto o sistema tectônico artificial fica da simulação, de fato, do terremoto - o que significa que Johnson pode observar esse sinal acústico em qualquer momento e colocar limites para quando o tremor deve acontecer.

Se, por exemplo, um tremor artificial fosse acontecer em 20 segundos, os pesquisadores poderiam analisar o sinal para prever o evento dentro de um segundo. “O algoritmo não apenas pode nos dizer quando um evento talvez aconteça, dentro de um certo limite de tempo - ele nos mostrou uma parte da física do sistema para a qual não estávamos dando atenção”, explica Johnson. “Olhando para trás, parece óbvio, mas deixamos passar isso por anos, pois nos concentramos nos dados já processados”. Nos experimentos em laboratório, a equipe observou os sinais acústicos e previu os tremores retroativamente. Contudo, para Johnson, a previsão também deve funcionar em tempo real

É claro que tremores naturais são muito mais complexos que os gerados em laboratório e, portanto, o que funciona nele pode não se aplicar no mundo real. Por exemplo: sismólogos ainda não observaram em sistemas sísmicos naturais os barulhos detectados pelo algoritmo durantes as simulações (embora Johnson acredite que esses sons existam e sua equipe está investigando isto). Sem surpresa, muitos sismólogos estão céticos de que a aprendizagem automática fornecerá avanços - em parte, talvez, porque já vivenciaram várias tentativas fracassadas. “É uma pesquisa emocionante e eu acredito que aprenderemos muito sobre física com o trabalho [de Johnson], mas existem diversos problemas para se implantar isso em terremotos reais”, diz Scholz.

Johnson também é cauteloso e hesita chamar o que está fazendo de “previsão de terremotos”. “Reconhecemos ser necessário ter cuidado com a credibilidade quando você afirma algo que ninguém acredita que você possa fazer”, ele diz. Johnson observa, ainda, que está apenas procurando um método para estimar o momento no qual os terremotos acontecerão, não sua magnitude - para ele, prever o tamanho de um tremor é um problema ainda maior.

Contudo, Scholz e outros especialistas que não estão ligados à pesquisa acreditam que Johnson deve continuar explorando nesse caminho. “Existe a possibilidade disso ser ótimo”, explica David Lockner, geofísico pesquisador no Serviço Geológico dos Estados Unidos. “O poder da aprendizagem automática está em você poder jogar tudo em um recipiente e os parâmetros úteis naturalmente caírem dele”. Então, mesmo que os sinais sonoros dos experimentos de Johnson não sejam conclusivos, ele e outros cientistas ainda podem aplicar a aprendizagem automática em dados de terremotos naturais e encontrar outros sinais que realmente funcionem.

Johnson já começou a aplicar sua técnica em dados reais. O algoritmo analisará medições de terremotos coletadas por cientistas na França, no Laboratório Nacional Lawrence em Berkeley e em outros lugares. Se o método funcionar, ele acredita que os especialistas conseguirão prever tremores meses, ou até mesmo anos, antes de acontecerem. “Este é apenas o começo”, ele diz”. “Eu prevejo que, dentro dos próximos dez anos, a aprendizagem automática transformará a forma como fazemos ciência”.

Annie Sneed
Para assinar a revista Scientific American Brasil e ter acesso a mais conteúdo, visite: http://bit.ly/1N7apWq