"Si no puedes explicarlo de forma sencilla, no lo entiendes lo suficientemente bien" (Albert Einstein).
geo
"Si no puedes explicarlo de forma sencilla, no lo entiendes lo suficientemente bien" (Albert Einstein).
La inteligencia artificial en la ingeniería geotécnica
La inteligencia artificial es la capacidad de un sistema informático de imitar funciones cognitivas humanas, como el aprendizaje y la solución de problemas. Hoy en día, la aplicación de sistemas inteligentes se encuentra cada vez más extendida, abarcando prácticamente todos los ámbitos de la sociedad moderna. Pero, ¿cuál es el grado de aplicación de este tipo de tecnología en la Ingeniería Geotécnica? Sigue leyendo para conocer la respuesta a este interrogante…
Una visión general de la inteligencia artificial
Las técnicas de inteligencia artificial (IA) incluyen enfoques matemáticos desarrollados para buscar la solución más adecuada en función de determinados criterios, en el tiempo y con los recursos disponibles (Ebid, 2021). Desde su creación a mediados de la década de 1950, la inteligencia artificial (IA) se ha convertido en una tecnología que ha generado cambios determinantes en cada uno de los aspectos en la cual es aplicada, particularmente en los últimos años, en los que se ha acelerado el desarrollo tecnológico de nuestra civilización. Su alcance sigue ampliándose a un ritmo cada vez mayor, a través de importantes contribuciones en ámbitos como el reconocimiento óptico de caracteres, la visión por ordenador, el reconocimiento del habla, el diagnóstico médico, la defensa, y los vehículos autónomos. De hecho, no cabe duda de que la IA seguirá creciendo en el futuro y se convertirá en algo mucho más rutinario que en la actualidad (Jaksa & Liu, 2021).
Figura 1 Inteligencia artificial (Fuente: https://www.simplilearn.com/advantages-and-disadvantages-of-artificial-intelligence-article).
El aprendizaje automático o machine learning (ML) es un subconjunto de la IA, y consiste en el estudio de algoritmos informáticos que mejoran automáticamente a través de la experiencia. Algunas técnicas de ML imitan los algoritmos naturales desarrollados, como las conexiones neuronales, la evolución de la selección natural, el comportamiento de grupos de criaturas como abejas, hormigas, o pájaros; mientras que otras técnicas de ML no imitan ningún algoritmo natural, sino que dependen de enfoques matemáticos, lógicos y estadísticos para encontrar la mejor solución (Ebid, 2021).
En general, todas las técnicas de IA requieren un conocimiento previo relacionado con el problema, y es por eso que las técnicas de IA suelen denominarse »técnicas basadas en el conocimiento». Este conocimiento está basado en un conjunto de casos prácticos o resultados de pruebas y ensayos que se utilizan para que el sistema aprenda sobre el problema a través del ML.
En las Ciencias de la Tierra, la forma más común de aprendizaje automático está constituida por las redes neuronales artificiales (RNA), que son sustitutos informáticos del cerebro humano, el cual es, básicamente, una red neuronal biológica.
Investigación relacionada con IA aplicada a la Geotecnia
Los principales componentes de la IA aplicada a la predicción en el ámbito de la Ingeniería Geotécnica son, como se mencionó anteriormente, los sistemas basados en el conocimiento previo, los cuales se desarrollan a partir de los resultados obtenidos en investigaciones sobre los diferentes tópicos relacionados a esta disciplina.
Si se consideran los miles de papers que se han publicado en los últimos 40 años dentro del ámbito de la Ingeniería Geotécnica, resulta evidente que la IA cuenta con un gran bagaje de conocimientos de los cuales aprender. Sin embargo, entre 1984 y 2019 fueron publicadas solamente 800 investigaciones relacionadas con la IA en la Geotecnia, agrupadas en catorce categorías (Ebid, 2021): propiedades del suelo, propiedades de las rocas, clasificación y perfilado del suelo, estabilidad de taludes, compactación de la superficie del suelo, interacción suelo-agua, comportamiento y modelización del suelo, estructuras de apuntalamiento y contención, túneles, dinámica del suelo y las rocas, licuefacción del suelo, cimentación superficial, cimentación profunda, estado del arte e investigaciones de revisión. La Figura 2 muestra la distribución de la densidad de publicaciones para cada una de las categorías antes mencionadas en el período 1984-2019.
Figura 2 Número de investigaciones clasificadas por categoría y año de publicación (Fuente: Ebid, 2021).
Como se desprende de la figura anterior, los principales tópicos asociados a la Ingeniería Geotécnica práctica han sido considerados en estudios relacionados con la IA. Y ello porque el ML y sus derivados, como el aprendizaje profundo o deep learning (DL), son particularmente útiles y relevantes para la Ingeniería Geotécnica, donde los datos son a menudo escasos, la variabilidad de los suelos y las rocas significativa, y las mediciones -especialmente in situ– están afectadas de manera importante por la incertidumbre.
Aplicación de la IA en Ingeniería Geotécnica
A pesar de las investigaciones desarrolladas en los últimos 40 años, al día de hoy muchos resultados de la aplicación de técnicas de IA en Ingeniería Geotécnica no se llevan a la práctica en el mundo real, fundamentalmente por las siguientes razones:
- El conjunto de datos utilizado es limitado y, por lo tanto, los resultados sólo son válidos (o precisos) para determinados casos (o en un estrecho rango de parámetros).
- Falta de confianza en el conjunto de datos utilizado.
- El formato de salida de la técnica de IA utilizada es complicado de comprender para la mayoría de los Ingenieros Geotécnicos, o bien los datos obtenidos precisan del manejo de herramientas especiales para su implantación (fundamentalmente basadas en técnicas estadísticas y de programación avanzadas).
- Los resultados de las técnicas de IA (ecuación de forma cerrada, matriz de pesos u otro formato) no tienen un trasfondo científico o un significado físico, por lo que es difícil garantizar o predecir su fiabilidad para cualquier caso considerado.
Sin embargo, los puntos anteriores podrían superarse a partir de estudios exhaustivos, empleando una amplia gama de valores de los parámetros considerados en cada caso, de manera de mejorar la fiabilidad y garantizar la validez de los resultados para diferentes casos de estudio.
En todo caso, es evidente el enorme potencial de la inteligencia artificial y el aprendizaje automático para aumentar las formas tradicionales de análisis de Ingeniería Geotécnica. Sólo es cuestión de tiempo para que la IA se convierta en una herramienta más a ser empleada en proyectos geotécnicos.
Referencias
- Ebid, H. (2021) “35 years of AI in Geotechnical Engineering: state of the art”. Geotech Geol Eng (2021) 39:637–690. https://doi.org/10.1007/s10706-020-01536-7.
- Jaksa, M. & Liu, Z. (2021) “Editorial for special issue: “Applications of artificial intelligence and machine learning in Geotechnical Engineering”. Geosciences 2021, 11, 399. https://doi.org/10.3390/geosciences11100399.
- Reddy, Y. (2014) “Artificial intelligence in Geotechnical Engineering: applications, modeling aspects, and future predictions”. © 2014 JETIR, Volume 1, Issue 1. Available at jetir.org (ISSN-2349-5162).
