Una inteligencia artificial reveló por qué más de 50.000 terremotos sacudieron italia entre 2022 y 2025

El análisis de datos sísmicos mediante inteligencia artificial (IA) ha permitido identificar una red de fallas ocultas bajo el volcán Campi Flegrei, lo que explica la inusual secuencia de más de 54.000 terremotos registrados en el sur de Italia entre 2022 y 2025.

Este avance, liderado por especialistas de la Universidad de Stanford, ha resuelto un enigma que los métodos tradicionales no habían logrado descifrar, al revelar la existencia de un “anillo de fallas” responsable de la actividad sísmica en la región.

La investigación, publicada en la revista Science, demostró que los sistemas de monitoreo convencionales solo habían detectado cerca de 12.000 movimientos sísmicos en ese periodo.

Sin embargo, el modelo basado en aprendizaje automático multiplicó esa cifra por más de cuatro, lo que permitió a los científicos cartografiar con precisión el subsuelo del Campi Flegrei y descubrir las estructuras responsables de su inestabilidad actual.

De qué forma el estudio usó IA para analizar este fenómeno en el país europeo

El estudio identificó una correlación directa entre: los microseísmos y un sistema circular de fracturas situado bajo la localidad de Pozzuoli.

Estas fracturas conforman el denominado “anillo de fallas”, capaz de liberar la energía acumulada en la corteza terrestre y provocar movimientos sísmicos de baja magnitud, que hasta ahora habían pasado desapercibidos para los métodos de detección tradicionales.

Según citó El Confidencial, William Ellsworth, profesor emérito de geofísica en Stanford y coautor del estudio, explicó que “por primera vez tenemos una visión clara de las estructuras que desencadenan esta actividad sísmica”.

El investigador añadió que los datos obtenidos confirman la posibilidad de que la zona experimente terremotos de magnitud 5, lo que podría tener un gran impacto en las áreas habitadas cercanas a Nápoles.

Qué otros datos reveló la inteligencia artificial sobre el territorio

El modelo de inteligencia artificial permitió detectar que el terreno de Pozzuoli continúa elevándose a un ritmo de diez centímetros al año, un fenómeno conocido como bradisismo.

Este ascenso progresivo, que ya se había observado en la década de 1980, coincide con el perímetro del anillo de fallas descubierto. Xing Tan, investigador principal del proyecto, destacó que “nuestros colegas italianos se sorprendieron al ver el anillo tan bien definido; hasta ahora solo tenían indicios fragmentados”.

A pesar de la magnitud del hallazgo, los científicos aclararon que los seísmos analizados son superficiales, porque se producen a menos de 4 kilómetros de profundidad, y no constituyen una señal de ascenso de magma hacia la superficie.

No obstante, advirtieron que un terremoto fuerte o poco profundo podría causar daños muy estructurales, sobre todo considerando que más de 360.000 personas residen dentro de la caldera del Campi Flegrei.

Cómo este tipo de tecnologías pueden reducir riesgos catastróficos

Esta capacidad de detección temprana proporciona a los servicios de Protección Civil y a los investigadores locales herramientas actualizadas para modificar protocolos de alerta, ajustar simulacros y diseñar nuevos planes de protección adaptados al riesgo real del ambiente.

Asimismo, el acceso a un mapeo subterráneo más claro del anillo de fallas representa un avance crucial para la reducción de riesgos. Con la IA, los científicos pueden identificar zonas más propensas a presentar terremotos y priorizar inspecciones en áreas vulnerables, como la infraestructura crítica y los puntos de mayor densidad poblacional.

El conocimiento del ritmo de elevación del terreno, que alcanza hasta diez centímetros anuales, contribuye a estimar presiones subterráneas y detectar posibles signos de cambios en el régimen volcánico.

Así, la IA no solo acelera la recolección de datos, sino que fortalece la toma de decisiones basada en evidencia para proteger a los habitantes y mitigar las consecuencias de futuros terremotos u otras catástrofes.