Un observatori volcànic modern genera una quantitat enorme de dades: sismògrafs que registren moviments del terreny contínuament, estacions GPS que mesuren deformacions mil·limètriques, sensors de gasos, càmeres tèrmiques i imatges de satèl·lit que cobreixen tot el planeta cada pocs dies. Durant dècades, bona part d’aquesta informació s’analitzava a mà. La intel·ligència artificial, i especialment l’aprenentatge automàtic, està canviant aquesta feina. No prediu erupcions de manera màgica, però ajuda els científics a detectar senyals que abans passaven desapercebuts.
El problema: massa dades per a massa pocs ulls
Un sol sismògraf pren desenes o centenars de mesures per segon, les 24 hores del dia. Si un volcà té desenes d’estacions, i s’hi afegeixen les dades de deformació, gasos i imatge, el volum és impossible de revisar manualment en temps real.
A més, hi ha milers de volcans potencialment actius al món i molts no tenen cap instrumentació a terra. Per a aquests, l’única font d’informació són els satèl·lits, que produeixen imatges de manera contínua. Aquí és on l’aprenentatge automàtic aporta més valor: fer una primera criba de tot aquest material i avisar els experts quan hi ha alguna cosa que val la pena mirar.
Classificar terratrèmols volcànics automàticament
Els volcans generen diferents tipus de senyals sísmics, i cada un explica una cosa diferent:
- Volcanotectònics (VT): trencament de roca pel pas del magma o per canvis d’esforç.
- Llarg període (LP): moviment de fluids, com magma o gasos, dins de conductes i esquerdes.
- Tremolor volcànic: vibració contínua associada sovint a l’ascens de magma o a l’activitat eruptiva.
- Explosions i esllavissades.
Classificar aquests senyals era una tasca manual i lenta. Avui s’entrenen models, com xarxes neuronals, amb milers d’exemples etiquetats perquè els classifiquin automàticament. Això permet revisar anys de registres en poques hores i veure tendències, per exemple un augment gradual d’esdeveniments de llarg període, que podrien indicar que el sistema s’està carregant.
Detectar deformacions des de l’espai
Els satèl·lits de radar, com els Sentinel-1 del programa europeu Copernicus, permeten fer interferometria radar (InSAR): comparant imatges d’un mateix lloc preses en dates diferents, es poden detectar inflaments o enfonsaments del terreny de pocs centímetres. Un volcà que s’infla sol indicar que s’hi està acumulant magma.
El problema és que aquestes imatges són molt nombroses i sovint tenen soroll atmosfèric. Grups de recerca, com el de la Universitat de Bristol, han entrenat xarxes neuronals per detectar automàticament patrons de deformació en milers d’interferogrames. Projectes com MOUNTS combinen dades de diversos satèl·lits per vigilar desenes de volcans de manera sistemàtica.
El cas del Whakaari (Nova Zelanda)
El 9 de desembre de 2019, una explosió sobtada al volcà Whakaari (White Island) va matar 22 persones, la majoria turistes que visitaven el cràter. L’erupció no va anar precedida de senyals evidents per als protocols d’aleshores.
L’any següent, un equip de la Universitat d’Auckland va publicar un estudi que analitzava amb aprenentatge automàtic anys de dades sísmiques del volcà. El model va identificar un patró en el tremolor que havia aparegut hores abans de diverses erupcions passades, inclosa la del 2019. No és un sistema infal·lible, però va demostrar que les dades contenien senyals d’avís que els humans no havien sabut veure a temps.
Drons i sensors de baix cost
L’altra gran revolució és la dels instruments:
- Drons amb càmeres tèrmiques i sensors de gasos que sobrevolen cràters sense posar en risc els científics. Ho expliquem a drons i IA en vulcanologia.
- Sensors de baix cost que permeten instrumentar volcans remots que abans no es podien vigilar.
- Càmeres automàtiques amb algoritmes que detecten canvis de temperatura o de color al cràter.
Com més dades hi ha, més útil és la IA, i com més bona és la IA, més sentit té posar sensors.
Què no pot fer la intel·ligència artificial
Cal ser prudents amb els titulars:
- No substitueix els vulcanòlegs. Els models serveixen per detectar i prioritzar, però la interpretació i la decisió d’alertar la població són humanes.
- Aprèn del passat. Si un volcà es comporta d’una manera nova, el model pot no reconèixer-ho.
- Necessita dades de qualitat. Molts volcans tenen pocs registres històrics d’erupcions, i sense exemples és difícil entrenar un bon model.
- Pot donar falses alarmes, i les evacuacions innecessàries tenen costos socials i de credibilitat.
Si vols entendre com es prenen avui aquestes decisions, llegeix es pot predir una erupció volcànica? i comunicació del risc volcànic.
Preguntes freqüents
La IA pot predir erupcions volcàniques?
Pot ajudar a detectar senyals precursors i a estimar probabilitats, però no dona dates exactes. Les prediccions continuen sent probabilístiques i requereixen interpretació experta.
La IA pot equivocar-se?
Sí. Un model és tan bo com les dades amb què s’ha entrenat. Si un volcà fa una cosa que no havia fet mai, pot fallar. Per això s’usa com a eina de suport.
Es poden fer servir dades volcàniques reals en projectes educatius?
Sí. Organismes com l’USGS, el programa Copernicus, el Programa Global de Vulcanisme de la Smithsonian o el consorci sismològic EarthScope (abans IRIS) publiquen dades obertes que es poden descarregar i analitzar, per exemple amb Python.
Fonts: Dempsey et al. (2020), Nature Communications; Universitat de Bristol; programa Copernicus (ESA); USGS Volcano Hazards Program; GNS Science (Nova Zelanda).