Prevedere terremoti con l’intelligenza artificiale è possibile? Ecco come e a che punto siamo

Attualmente prevedere con precisione dove e quando avrà luogo un terremoto e quale sarà la sua magnitudo non è possibile. Tuttavia, negli ultimi decenni lo studio dei fenomeni precursori dei terremoti, cioè delle variazioni dei parametri chimici e fisici che hanno luogo prima di un sisma nel sottosuolo, ha fatto molti progressi. Inoltre, sono sempre più numerosi i ricercatori che si affidano al machine learning (o apprendimento automatico), una branca dell’intelligenza artificiale, per provare a formulare previsioni. I risultati degli studi compiuti finora, anche in Italia, sono sorprendenti: in alcuni casi si è riusciti a prevedere il verificarsi delle scosse con un anticipo di qualche giorno, anche se non è stato individuato con precisione l’epicentro. Questo fa sperare che nei prossimi decenni, grazie all’intelligenza artificiale, sarà possibile limitare le conseguenze più gravi dei terremoti.

Come il machine learning può aiutare a prevedere i terremoti

Il machine learning è una branca dell’intelligenza artificiale che utilizza le reti neurali artificiali, un modello matematico ispirato alle reti costituite da neuroni presenti nel cervello dell’uomo e degli animali. Lo scopo di questa rete è elaborare informazioni e trovare soluzioni. Per “addestrare” la rete neurale artificiale, in modo che questa migliori la sua capacità di compiere elaborazioni, servono enormi quantità di dati. Nel caso dei terremoti, i dati forniti alla rete vengono raccolti nelle zone più sismiche del pianeta, dove si verificano i terremoti più forti, cioè al confine tra due placche litosferiche.

Queste informazioni, che vengono associate ai sismogrammi, comprendono per esempio il tipo di onde sismiche registrate, il tempo che impiegano a raggiungere la stazione di rilevamento, la localizzazione dell’ipocentro e la magnitudo del terremoto. Uno dei limiti di questo sistema è rappresentato dal fatto che la sismologia è una scienza piuttosto giovane e quindi la quantità di dati a nostra disposizione è relativamente limitata. Per esempio, per la faglia di San Andreas in California sono disponibili soltanto vent’anni di dati sufficientemente precisi da poter essere utilizzati nella previsione con l’AI.

non perderti questo video

Faglia di San Andreas, come è fatta e cos’è il Big One

A che punto siamo con la previsione dei terremoti tramite intelligenza artificiale

Tra gli studi che negli ultimi anni hanno riscosso maggior interesse vi è quello del geofisico Paul Johnson, del Los Alamos National Laboratory, in New Mexico. Insieme al suo team, il ricercatore ha applicato il machine learning ai terremoti generati in laboratorio: registrando i suoni prodotti da un campione di roccia tagliato da una “faglia artificiale” e sottoposto a pressione, il programma è riuscito a prevedere dopo quanto tempo si sarebbero verificate le scosse.

Altri ricercatori dell’Università di Stanford hanno fornito alla rete neurale i dati relativi a oltre 36.000 terremoti che nel 2019 hanno colpito Ridgecrest, in California. In questo modo sono riusciti a rilevare scosse sismiche alcuni secondi prima che si verificassero.

Nel 2023 l’Università del Texas di Austin, durante una prova di sette mesi nel sudovest della Cina, ha addestrato l’AI con dati relativi a cinque anni di registrazioni sismiche (compresi dati sismici in tempo reale). Il risultato è stato che l’algoritmo ha previsto con successo 14 terremoti addirittura una settimana prima che si verificassero, entro un raggio di circa 300 km dal loro effettivo epicentro, mentre ne ha previsti 8 che non sono poi avvenuti.

Anche in Italia si studiano i terremoti con l’intelligenza artificiale. Nel 2022 l’Istituto Nazionale di Oceanografia e di Geofisica Sperimentale (OGS) insieme all’Istituto Nazionale di Geofisica e Vulcanologia (INGV) ha fornito a un algoritmo di machine learning (chiamato NESTORE) i dati dei cataloghi sismici della California per valutare la probabilità che un sisma di magnitudo superiore a 4 sia seguito da altri forti sismi. L’algoritmo ha previsto correttamente, anche con notevole anticipo, il verificarsi di forti scosse.

L’apprendimento automatico ha una grande utilità anche nell’individuare nei dati sismici a disposizione terremoti di magnitudo minore che non erano stati rilevati in precedenza dai sismologi. In questo modo possono essere ampliati i cataloghi sismici esistenti. Un esempio è il terremoto del 6 aprile 2009 che ha colpito l’Aquila: l’AI è riuscita a identificare 114.229 terremoti di magnitudo fino a 5 nel corso del 2009, mentre il catalogo precedente ne conteneva solo 64.000. Avere più dati a disposizione significa migliorare le capacità di previsione degli algoritmi.

In generale, tutti questi risultati mostrano come ci sia un ampio margine di miglioramento nella previsione dei terremoti, anche se la ricerca è ancora lunga.