Cinque anni fa, Paul Johnson non avrebbe mai pensato che prevedere i terremoti sarebbe mai stato possibile. Ora, non è così sicuro.
"Non posso dire che lo faremo, ma sono molto più fiducioso che faremo molti progressi nel giro di decenni", afferma il sismologo del Los Alamos National Laboratory. "Sono più fiducioso ora di quanto non sia mai stato."
Il motivo principale di questa nuova speranza è una tecnologia che Johnson ha iniziato a esaminare circa quattro anni fa: l'apprendimento automatico. Molti dei suoni e dei piccoli movimenti lungo le linee di faglia tettoniche in cui si verificano terremoti sono stati a lungo ritenuti insignificanti. Ma l'apprendimento automatico (formazione di algoritmi informatici per l'analisi di grandi quantità di dati per la ricerca di schemi o segnali) suggerisce che alcuni dei piccoli segnali sismici potrebbero essere importanti dopo tutto.
Tali modelli di computer potrebbero persino rivelarsi la chiave per sbloccare la capacità di prevedere i terremoti, una remota possibilità che è così controversa che molti sismologi rifiutano persino di discuterne.
Quando la teoria della tettonica a zolle ha guadagnato terreno negli anni '60, molti scienziati hanno pensato che la previsione del terremoto fosse solo una questione di tempo. Una volta modellati i piccoli terremoti causati dalle piastre mobili, il pensiero è andato, dovrebbe essere possibile prevedere giorni di terremoti più grandi o addirittura settimane con anticipo. Ma una moltitudine di fattori, dal tipo di roccia alla distanza di una faglia, influiscono sulla forza di un terremoto e diventa rapidamente evidente che i modelli di attività tettonica su piccola scala non sono in grado di fornire un modo affidabile per prevedere i grandi terremoti. Forse piccoli spostamenti e scivoloni, che si verificano centinaia di volte al giorno, potrebbero indicare un leggero aumento della probabilità di un forte terremoto, ma anche dopo uno sciame di attività tettonica minore, è altamente improbabile che si verifichi un grande terremoto. Un segnale migliore per un terremoto in arrivo è necessario se la previsione diventerà mai realtà.
L'uso dell'apprendimento automatico per trovare un tale segnale è probabilmente molto lontano, se è persino possibile. In uno studio pubblicato alla fine dello scorso anno, Johnson e il suo team hanno suggerito che potrebbe esserci un segnale sismico precedentemente ignorato che potrebbe contenere uno schema rivelatore quando un grave terremoto - come il famigerato e tanto atteso sisma di Cascadia nel nord-ovest del Pacifico - potrebbe colpire. Se l'ipotesi si risolve, potrebbe cambiare il modo in cui i terremoti sono previsti con pochi secondi di anticipo, forse un giorno, con decenni di anticipo.
I più recenti miglioramenti nella previsione dei terremoti sono stati quei secondi preziosi. I sismologi stanno lavorando per migliorare i sistemi di allerta precoce come quelli in Giappone e il sistema ShakeAlert in fase di lancio lungo la costa occidentale degli Stati Uniti. Questi sistemi inviano allarmi solo dopo che un terremoto è già iniziato, ma in tempo per chiudere cose come ascensori o linee di gas e avvertire le comunità più lontane dall'epicentro.
Lo strato della Terra su cui viviamo è suddiviso in una decina di tettonici che si muovono l'uno rispetto all'altro. (USGS) Cercare di estrapolare quanto grande diventerà un terremoto in corso, dov'è il suo epicentro e cosa sarà interessato, il tutto da pochi secondi di dati, è già una grande sfida, dice Johnson. I sistemi di allarme esistenti hanno giudicato male i principali terremoti e hanno dato falsi allarmi ad altri. Ma prima del 2007, non avevamo nemmeno secondi di preavviso. Dove potremmo essere nel 2027?
"Non sappiamo quanto bene farà la sismologia tra un decennio", afferma Johnson. "Ma sarà molto meglio di oggi."
I progressi nel monitoraggio dei terremoti dipenderanno probabilmente da computer che sono stati addestrati per agire come sismologi esperti. Con una memoria perfetta, poche nozioni preconcette e zero necessità di dormire, le macchine possono ordinare attraverso un mare di dati raccolti mentre le placche tettoniche si spostano. Tutte queste informazioni sono paragonabili a quelle che sentiresti in una strada affollata: i rumori di automobili, persone, animali e condizioni meteorologiche si mescolano tutti insieme. I ricercatori setacciano quei segnali, trascritti come onde, nel tentativo di scoprire se qualcuno di loro indica che un terremoto sta accadendo o sta per accadere. La speranza è stata a lungo che, nascosto in tutto quel rumore, ci potrebbe essere una sorta di precursore che potrebbe essere misurato o osservato per indicare il periodo di tempo fino al prossimo grande terremoto.
Uno di quei rumori - quello che Johnson chiama un "segnale simile a un tremore" - è stato identificato e studiato per diversi anni. "Ho gettato tutto ciò che avevo nella mia cassetta degli attrezzi e ho deciso che non c'era nulla lì", dice.
Ma gli algoritmi e i computer messi a punto dal suo team hanno esaminato il segnale da una prospettiva leggermente diversa, concentrandosi sulla sua energia. Quell'energia (registrata come ampiezza, una misura della dimensione delle onde sismiche) è cresciuta "sempre leggermente" durante il ciclo del terremoto, afferma Johnson. Una volta colpito da un terremoto, l'ampiezza del segnale è diminuita e ha riavviato il ciclo di crescita regolare fino a quando un altro sisma ha colpito.
Era uno schema.
Quel segnale precedentemente ignorato, afferma Johnson, "conteneva informazioni predittive per predire il prossimo ciclo sismico" con i minuti di anticipo nei modelli accelerati di guasti in laboratorio, che si traducono in decenni di anticipo nella vita reale. Ma i risultati in laboratorio e nel mondo reale non sempre si allineano.
A questo punto, l'apprendimento automatico non ha lo scopo di aiutare con la previsione dei terremoti, ma piuttosto di comprendere i terremoti che sono già iniziati o le dinamiche di terremoto in generale. Ma i progressi nella localizzazione dei terremoti, nella stima delle magnitudini e nell'ordinamento attraverso il "rumore" migliorano la nostra comprensione di come agiscono i terremoti, anche quando potrebbero colpire.
"Voglio chiarire che ciò che stiamo facendo è diverso dalla previsione. Ma sì, tutte queste cose sono indirettamente correlate ", afferma Mostafa Moustavi, un sismologo di Stanford che sta usando l'apprendimento automatico per ordinare attraverso il rumore di fondo per rilevare piccoli terremoti.
Men-Andrin Meier, un sismologo di Caltech, afferma che la sua "ipotesi migliore è che i terremoti sono intrinsecamente imprevedibili". Tuttavia, sta lavorando all'utilizzo dell'apprendimento automatico per migliorare i sistemi di allerta precoce e i miglioramenti nel monitoraggio che vanno in quegli avvisi potrebbero potenzialmente migliorare le previsioni sui terremoti. Mappe migliori dei guasti e una migliore comprensione dei processi, delle tendenze e dei cicli del terremoto potrebbero contribuire a migliorare le previsioni, afferma Moustafa.
Anche così, alcuni sismologi pensano che la "previsione" sia una fantasia. Robert Geller, un sismologo dell'Università di Tokyo, è ben noto per il suo pessimismo sulla previsione del terremoto.
"La ricerca sulla previsione dei terremoti non è davvero una cosa", afferma via e-mail. “Consiste semplicemente nel raccogliere molti dati nella speranza che si possa trovare un 'precursore' affidabile. Nessuno è mai stato trovato fino ad oggi. "
Secondo Geller, qualsiasi risultato di laboratorio riguardante i segnali di terremoto può essere ignorato fino a quando non vengono riprodotti in modo coerente nel mondo reale. "Non ho dubbi sul fatto che possano trovare molti modelli apparenti nei dati sull'occorrenza di terremoto osservati guardando indietro. Ma non vedo alcun motivo per pensare che tali schemi funzioneranno in futuro, ”afferma Geller.
La faglia di Cascadia al largo dell'isola di Vancouver scivola lentamente tutto il tempo, producendo una bassa sismicità che non riesci a sentire, e poi ritorna al suo posto circa una volta all'anno. Il leggerissimo spostamento della superficie terrestre da tale scivolamento può essere monitorato, quindi il team di Johnson ha cercato di vedere se il nuovo segnale identificato dagli algoritmi di machine learning potesse prevedere il movimento.
"Ed ecco, è stato mappato al tasso di spostamento", dice Johnson.
La domanda ora è come il segnale potrebbe essere correlato al blocco della faglia: le rocce interbloccate che hanno impedito alle placche tettoniche di scivolare drasticamente e produrre un grave terremoto per circa 300 anni. Alla fine, il blocco della faglia si romperà e un forte terremoto colpirà. Forse il segnale che la squadra di Johnson sta studiando, o un altro segnale ancora da scoprire, potrebbe dare un'idea di quando ciò accadrà, se tali segnali sono collegati a grandi terremoti.
