Ecco come lo strumento di ultima generazione – AI – non è sempre una collega indesiderata, ma un supporto prezioso per prevenire eventi catastrofici
Uno dei modi migliori per impiegare lo strumento protagonista del terzo millennio – l’intelligenza artificiale – è senz’altro farla scendere in campo a fianco della scienza, per studiare, monitorare e prevenire fenomeni catastrofici per l’uomo e l’ecosistema.
In questo articolo esploreremo il modo in cui un modello AI sta letteralmente aiutando a prevedere le onde anomale che potrebbero portare a pericolosi tsunami.
Il pericolo degli tsunami per le coste
Gli effetti potenzialmente disastrosi dei terremoti sottomarini sono una minaccia costante per molte comunità costiere. Anche i terremoti che si verificano lontano dalla costa possono produrre tsunami mortali che possono distruggere le città di mare, devastando gli edifici e uccidendo migliaia di persone.
Il rischio di formazione di uno tsunami è legato alle caratteristiche dei terremoti sottomarini e al modo in cui il loro spostamento si propaga verso l’esterno. La raccolta e l’analisi in tempo reale delle informazioni sui terremoti, provenienti da sensori terrestri o marini, è la chiave per calcolare il rischio di tsunami.
Questi dati sono utilizzati per i sistemi di allerta precoce, fondamentali per le aree costiere a rischio di onde.
L’AI offre una nuova speranza
Una nuova ricerca pubblicata su Physics of Fluids mostra la possibilità di ottenere informazioni sui terremoti in tempo reale da sensori sottomarini per aggiungere ulteriori informazioni al calcolo del rischio.
I ricercatori hanno testato come gli idrofoni siano in grado di captare le radiazioni acustiche uniche – cioè il suono – dei terremoti.
Da questi dati, il team ha utilizzato modelli basati sull’intelligenza artificiale per analizzare le caratteristiche dei terremoti – tra cui la forma della faglia e il tipo di slittamento, la velocità di sollevamento e la durata della scossa – che influenzano le dimensioni degli tsunami.
I ricercatori considerano il loro approccio come un ulteriore strumento di previsione degli tsunami e di mitigazione del rischio per le regioni costiere.
Un monitoraggio attento
Sebbene gli tsunami possano essere innescati da frane ed eruzioni vulcaniche, la maggior parte delle onde di grandi dimensioni è provocata da faglie sottomarine che spostano l’acqua in superficie. Quando la crosta oceanica si rompe improvvisamente, un’onda increspata può diffondersi attraverso gli oceani, inondando le coste a migliaia di chilometri di distanza.
“Gli tsunami possono essere altamente distruttivi, causando enormi perdite di vite umane e devastando le aree costiere“, afferma Bernabe Gomez, dottore di ricerca e coautore del nuovo lavoro. Egli osserva che la comprensione della natura di un terremoto è fondamentale per valutare il potenziale e le caratteristiche di uno tsunami. È importante anche per lanciare avvisi tempestivi e dare tempo sufficiente per le evacuazioni.
Quali sono le tempistiche desiderate delle previsioni?
Attualmente, la previsione del rischio di tsunami è un processo iterativo che si svolge nell’arco di minuti o ore. “In genere dobbiamo emettere una previsione entro cinque minuti, basandoci solo sulle informazioni sismiche. Poi, man mano che riceviamo più informazioni e che altri sensori iniziano a fornire dati, aggiorniamo continuamente la previsione e la rendiamo più accurata”, spiega Christopher Moore, vicedirettore del Centro per la ricerca sugli tsunami della National Oceanic and Atmospheric Administration.
I sensori possono trovarsi sulla terraferma (sismometri), intorno al globo (sistema globale di navigazione satellitare) o nell’oceano (boe Deep-Ocean Assessment and Reporting of Tsunamis). L’array di boe DART è un insieme di sensori galleggianti posizionati in tutto il mondo, ma è fortemente concentrato nella regione sismicamente attiva dell’Oceano Pacifico.
È un sistema che va ancora ottimizzato
Moore spiega che, sebbene il DART fornisca informazioni molto accurate, i sensori sono costosi da posizionare e mantenere e per questo vengono collocati solo nelle regioni più critiche.
“Abbiamo fatto del nostro meglio per ottimizzare il posizionamento delle boe DART, non solo in base al luogo in cui si verificano i terremoti, ma anche in base al luogo in cui vivono le persone“, spiega Moore. Ma la distanza delle boe da alcuni epicentri sismici comporta un ritardo nelle nuove informazioni di 10-90 minuti dopo un terremoto.
Che cosa sono gli idrofoni?
Gli idrofoni sono posizionati sul fondo dell’oceano e possono rilevare suoni provenienti da ogni tipo di attività, dalle eruzioni sottomarine ai test di bombe ai terremoti. Queste onde sonore, chiamate anche onde acustico-gravitazionali, viaggiano alla velocità del suono (1.500 m al secondo nell’acqua di mare) e spesso possono suonare sul fondo dell’oceano, raddoppiando la loro velocità.
“Il suono trasporta informazioni sulla sorgente e il suo campo di pressione può essere registrato a distanza, anche a migliaia di chilometri dalla sorgente“, spiega Gomez. “I suoni sono in grado di fornire informazioni sulle caratteristiche del terremoto e possono essere registrati dagli idrofoni in campo lontano“.
Lo studio di Gomez e Kadri: ascoltare i terremoti
Gomez e il coautore Usama Kadri hanno voluto verificare se le firme sonore delle diverse rotture di faglia potessero essere analizzate con algoritmi di apprendimento automatico. Hanno esaminato quattro scenari di tsunami verificatisi nell’Oceano Pacifico. Gli scenari campione erano limitati dalla disponibilità di registrazioni di idrofoni.
“Dal database disponibile della Comprehensive Nuclear-Test-Ban Treaty Organization, gestito dall’International Monitoring System, abbiamo scelto circa 200 terremoti in località geografiche con un rumore minimo“, spiega Gomez.
Come hanno addestrato l’algoritmo AI?
I ricercatori hanno utilizzato questi dati storici per addestrare gli algoritmi di apprendimento automatico a classificare il tipo e la magnitudo dei terremoti. Questo addestramento ha permesso al team di ricalcolare il modo in cui le onde acustiche possono essere utilizzate per presentare i dettagli delle caratteristiche dei terremoti, tra cui le dimensioni, la velocità di sollevamento e la durata.
Gomez afferma che l’approccio è riuscito a creare una descrizione di un terremoto quasi in tempo reale con un impegno computazionale estremamente ridotto.
“Tuttavia, ci sono ancora alcune discrepanze tra le caratteristiche effettive recuperate e quelle reali“, afferma, aggiungendo che è possibile apportare miglioramenti agli input della modellazione. Gomez osserva anche che “l’uso di più dati nell’addestramento dell’intelligenza artificiale potrebbe ridurre le incertezze associate“.
Ma c’è ancora molto da raffinare
Moore afferma che questo lavoro di ricerca sta cercando di utilizzare una tecnica di IA che potrebbe essere utilizzata per l’intero oceano. Al contrario, Moore osserva che anche i ricercatori del NOAA Tsunami Research Center hanno lavorato sulla modellazione AI nel Pacifico nord-occidentale. Hanno avuto un certo successo, ma ha detto che si è trattato di uno sforzo massiccio su una piccola area di costa.
“Ci sono voluti gli sforzi di diversi sismologi per arrivare a un database di possibili soluzioni, di uno scienziato dei dati e di un matematico per addestrare un modello AI per fare la modellazione per tutte quelle migliaia di esecuzioni“, dice Moore. “Si tratta di risultati molto promettenti e di un lavoro super eccitante, ma è solo una goccia nel mare“.
Idrofoni e allerta precoce
“L’intelligenza artificiale può svolgere un ruolo importante nella classificazione dei tipi di terremoto”, afferma Gomez. “In combinazione con la tecnologia all’avanguardia delle onde acustico-gravitazionali, possiamo avere un sistema di allarme tsunami in tempo reale più affidabile“.
“Questo lavoro fa parte di un progetto più ampio che mira a migliorare i sistemi di allerta dai rischi naturali“, spiega Gomez. “La natura della tecnologia sviluppata è complementare, e come tale non vediamo l’ora di collaborare e integrare gli esperti per migliorare ulteriormente il sistema“.
Un potenziale dal grande futuro
“Speriamo che l’intelligenza artificiale si presti a risolvere alcuni dei problemi che abbiamo nel caratterizzare uno tsunami generato da qualcosa come una frana o un vulcano“, dice Moore. Poiché questi eventi naturali non sono associati a terremoti, secondo Moore è più difficile caratterizzare la posizione e le dimensioni di uno tsunami che potrebbe essere generato.
Gli idrofoni e la modellazione AI potrebbero essere strumenti utili per lo sviluppo di sistemi di allarme tsunami. “Sappiamo tutti che le nuove tecnologie hanno bisogno di tempo per evolversi”, afferma Wei. “Penso che questa tecnologia abbia un grande potenziale per essere implementata nel sistema futuro“.