Evaluating data augmentation techniques in the classification of multi-station seismic-volcanic signals

I vulcani sono giganti inquieti e, prima di erompere, spesso sussurrano. Questi sussurri sono segnali sismici: vibrazioni sottili che viaggiano attraverso la terra e che portano con sé la storia del movimento del magma, della fuga dei gas o della rottura delle rocce sotto la superficie. Per decenni, gli scienziati si sono affidati ad esperti umani per ascoltare questi sussurri, setacciando manualmente flussi infiniti di dati per identificare cosa stesse accadendo nel profondo del sottosuolo. Questo processo è lento, laborioso e soggetto all'errore umano, specialmente quando i segnali sono deboli o i dati sono travolgenti. Negli ultimi anni, i computer hanno iniziato a farsi carico di questo compito di ascolto, utilizzando l'intelligenza artificiale per riconoscere i modelli nelle vibrazioni. Tuttavia, questi cervelli artificiali affrontano un ostacolo significativo: hanno bisogno di enormi quantità di esempi per imparare, e nel mondo dei vulcani, gli eventi rari e pericolosi sono spesso i più difficili da trovare in grandi numeri. Quando un computer cerca di imparare da un insieme di esempi piccolo e sbilanciato, spesso diventa parziale, favorendo gli eventi comuni che vede più spesso e perdendo quelli rari e critici che segnalano un vero pericolo.

Un team di ricercatori dell'Universidad Católica del Norte in Cile ha cercato di risolvere questo problema, insegnando ai computer come imparare da meno esempi senza perdere la capacità di riconoscere la verità. Si sono concentrati sul vulcano Lascar, nel nord del Cile, un sito monitorato da una rete di undici stazioni sismiche che registrano i tremori della terra. Il team ha raccolto un database di oltre seimila eventi sismici, che gli esperti avevano già classificato in cinque categorie distinte: eventi a lungo periodo, eventi vulcano-tettonici, eventi ibridi, eventi tettonici e tremori. La sfida era che queste categorie non erano rappresentate equamente; alcuni tipi di eventi erano comuni, mentre altri erano così rari che il computer faticava a capire che aspetto avessero. Per risolvere il problema, i ricercatori hanno impiegato una strategia chiamata aumento dei dati (data augmentation). Invece di aspettare che la natura fornisse più eventi rari, hanno utilizzato tecniche matematiche per creare nuove versioni sintetiche dei dati esistenti. Questi nuovi esempi non erano falsi in modo fuorviante; erano versioni attentamente modificate di segnali reali, ritoccate quanto bastava per apparire diverse pur mantenendo intatta la loro essenza fondamentale. L'obiettivo era fornire al computer una biblioteca di esempi più ricca e diversificata, sperando che imparasse le regole fondamentali dell'attività vulcanica piuttosto che limitarsi a memorizzare dettagli specifici.

I ricercatori hanno testato diversi modi per creare questi nuovi esempi. Alcuni metodi aggiungevano uno strato di rumore statico ai segnali, simile al fruscio di una radio tra una stazione e l'altra, per vedere se il computer potesse ancora riconoscere il modello. Altri spostavano leggermente i segoli nel tempo o nella frequenza, oppure combinavano parti di segnali diversi per creare nuovi ibridi. Hanno persino utilizzato una tecnica ispirata all'evoluzione biologica, in cui il computer selezionava le parti migliori di due segnali e le mescolava per crearne uno nuovo. Per misurare l'efficacia di questi nuovi segnali, il team non si è limitato a verificare se il computer desse la risposta corretta; ha anche misurato quanto i nuovi segnali fossero diversi da quelli originali. Dovevano garantire che i nuovi dati fossero abbastanza diversi da insegnare qualcosa di nuovo al computer, ma abbastanza simili al mondo reale affinché le lezioni fossero applicabili quando il computer si fosse imbattuto in un vero vulcano.

I risultati sono stati sorprendenti. I ricercatori hanno scoperto che i modelli addestrati su dataset contenenti solo dati aumentati offrivano spesso prestazioni superiori nella classificazione, con tecniche come il Drifting, lo SpecAugment e il Jittering che raggiungevano rispettivamente accuratezze di test del 97,2%, 95,4% e 93,9%. Tuttavia, lo studio ha anche rivelato che un modello addestrato su un mix di dati reali e aumentati utilizzando la tecnica "Drifting" ha raggiunto l'accuratezza più elevata del 98,3% quando testato su segnali del mondo reale. Questi numeri sono significativi perché dimostrano che il computer ha imparato a riconoscere i modelli sottostanti dell'attività vulcanica così bene da poter ignorare il rumore e le variazioni del mondo reale. Lo studio ha inoltre rivelato che semplicemente aggiungere più dati alle categorie rare non era sufficiente; la qualità e la diversità di quei dati aggiunti contavano di più. I modelli con le migliori prestazioni erano quelli che vedevano una grande varietà di forme e texture dei segnali, costringendo il computer a imparare le caratteristiche centrali di ogni tipo di evento invece di fare affidamento su scorciatoie.

Questo lavoro suggerisce una nuova strada per il monitoraggio vulcanico. Utilizzando l'aumento dei dati, gli scienziati possono costruire modelli informatici più robusti e affidabili, anche quando hanno pochissimi esempi reali di eventi pericolosi da cui partire. Lo studio ha dimostrato che questi modelli possono essere addestrati su i dati di un singolo vulcano e comunque generalizzare bene, il che significa che potrebbero potenzialmente essere applicati ad altri vulcani in tutto il mondo. I ricercatori hanno concluso che la chiave del successo non era solo avere più dati, ma avere dati più intelligenti: esempi che fossero abbastanza diversi da insegnare al computer a essere flessibile, ma abbastanza simili al mondo reale da essere utili. In definitiva, il computer non ha solo imparato a contare i terremoti; ha imparato ad ascoltare il linguaggio del vulcano con una chiarezza che gli esperti umani da soli potrebbero faticare a raggiungere, offrendo uno strumento potente per comprendere l'evoluzione dinamica e spesso pericolosa dei centri vulcanici.