Hace un par de semanas, un buen amigo me preguntó si no había escrito nada sobre la inteligencia artificial en la geología. Yo, que no necesito que me tienten mucho, sentí el aguijón de la curiosidad y, sin esperar a que llegue noviembre con su 5º Congreso Internacional de Geología Profesional (IPGC), me zambullí a buscar cómo anda el patio de un sector que tanto admiro. Lo que sigue es fruto de esa incursión. No aspira a ser ni exhaustivo ni infalible. Pero si sirve para que los profesionales del gremio debatan este otoño sobre un asunto tan relevante, me doy por satisfecho. Y si meto la pata en algo, que lo haré, que nadie se sulfure: este viejo labriego de la tecla es solo un entusiasta de las geociencias que a veces se mancha de bits.
La tierra tiembla (digitalmente)
La inteligencia artificial ha desembarcado en la geología como un elefante en una cacharrería, pero con más modales. Lo que hace apenas un par de años era ciencia ficción hoy es herramienta de trabajo. Mapeo predictivo, clasificación automática de litologías, detección de fallas en fotografías de campo, análisis mineralógico automatizado… La IA se ha convertido en un martillo de geólogo digital con una eficacia asombrosa.
Uno de los frentes más avanzados es el del «mineral prospectivity mapping», una suerte de cartografía prospectiva que combina aprendizaje automático con datos satelitales, sensores remotos y algoritmos glotones de patrones. Random Forest, redes neuronales convolucionales (CNN), Support Vector Machines… la jerga de la IA se mezcla ya sin pudor con la geológica. Estas herramientas, bien entrenadas, detectan zonas con potencial mineralógico, petrolífero o acuífero, muchas veces mejor que el ojo humano.
El artículo de Zhao et al. (2024) publicado en The Innovation hace un repaso demoledor a cómo el aprendizaje automático ha mejorado las predicciones geoespaciales respecto a modelos tradicionales basados en estadística pura. La IA no solo mapea: prioriza. Se adapta mejor al terreno, a las heterogeneidades, y a las incertidumbres que tanto fastidian en geociencias.
No es teoría. Empresas como GoldSpot Discoveries, startups como GeologicAI o centros de investigación están usando modelos predictivos para seleccionar lugares de perforación con un nivel de acierto y ahorro que empieza a dolerle al clásico geólogo de campo. La IA no sustituye, pero adelanta trabajo. Y en un mundo que va con prisa, eso es oro (literalmente).
Una mano mecánica en el microscopio
Otro terreno abonado para la IA es el análisis mineralógico automatizado. Sistemas como QEMSCAN o AZtecMineral combinan microscopía electrónica de barrido con algoritmos de clasificación que reconocen minerales en muestras finas. Lo que antes exigía horas de lupa y café, hoy se resuelve en minutos con una fiabilidad que da miedo. No sustituye al criterio del experto, pero lo asiste con una eficacia que empieza a cambiar rutinas.
La cosa no se queda en laboratorios de élite. Universidades y servicios geológicos están empezando a incorporar estas herramientas para el análisis petrográfico y la caracterización de materiales. La automatización del análisis de testigos de sondeo mediante inteligencia artificial es ya una realidad en el ámbito minero. Desde la digitalización sistemática de núcleos hasta la clasificación litológica con modelos CNN, tecnologías como coreAI permiten procesar imágenes con alta precisión, reduciendo tiempos y estandarizando criterios de interpretación. Y cuando la velocidad se combina con la precisión, el resultado es una ciencia que avanza a zancadas.
Fracturas, fallas y fotos
La IA no solo ve más rápido: ve mejor. O al menos eso dicen algunos estudios cuando se trata de detectar fracturas geológicas o planos de falla en fotografías de campo. Algoritmos de visión artificial entrenados con miles de imágenes son capaces de identificar patrones invisibles al ojo fatigado. En algunos casos, la especificidad roza el 99%.
En un artículo reciente se describen redes CNN entrenadas con modelos ResNet y EfficientNet para detectar discontinuidades en taludes y laderas inestables, mejorando los sistemas de alerta temprana. Lo interesante es que estos modelos pueden funcionar en tiempo real con drones, automatizando inspecciones de zonas de riesgo geotécnico.
Esto tiene implicaciones prácticas. Desde la planificación de infraestructuras a la predicción de riesgos geotécnicos, el análisis automatizado de discontinuidades geológicas está mejorando la toma de decisiones. Y como siempre que hay datos, la IA quiere más. Cuanto más le das, mejor aprende.
La paleontología se apunta al viaje
Si la IA en geología va en tren bala, en una de sus variantes, la paleontología, está empezando a sacar el billete. Pero ya hay resultados prometedores. En 2024 se publicó un estudio sobre un sistema llamado SharkNet-X, una red neuronal que clasifica dientes de tiburón fósiles con una precisión media del 85% y una explicabilidad que ni muchos humanos podrían ofrecer. El sistema incluso explica por qué cree que un diente es de tal especie y no de otra, usando métodos como SHAP.
Y hay más. Una red tipo Inception-ResNet entrenada con secciones delgadas de microfacies carbonatadas alcanzó un 99% de precisión top-3. Donde antes el especialista tardaba días, la máquina da respuesta en segundos. La implicación no es solo eficiencia: es la posibilidad de analizar series enormes de muestras con una coherencia que el humano no puede garantizar.
El artículo Artificial intelligence in paleontology de Congyu et al. (2024) publicado en Earth-Science Reviews revisa más de 70 estudios que utilizan IA para tareas como clasificación fósil, reconstrucción de formas, análisis de imágenes de láminas delgadas o predicción de entornos paleoecológicos. Y sí, España también aparece: investigadores de la Universidad de Granada están entre los más activos en este frente.
La ciencia que se viene
El futuro inmediato pasa por combinar modelos físico-conceptuales con inteligencia artificial. Es decir, que la IA no solo aprenda por patrones, sino también por principios geológicos. Ya hay iniciativas que integran principios físicos en las redes neuronales, como las leyes de Helmholtz, las ecuaciones de Poisson, o modelos geofísicos clásicos. Al incorporar estas estructuras matemáticas en el aprendizaje automático, los modelos no solo ajustan datos, sino que respetan las leyes de la física, haciendo las predicciones más coherentes, fiables y explicables incluso para quienes no dominan el lenguaje técnico de la IA.
Y lo que viene tras eso es más ambicioso: modelos generativos que reconstruyan entornos paleoambientales a partir de fragmentos, reconstrucción 3D automatizada de yacimientos, y hasta grandes modelos de lenguaje (LLM) entrenados específicamente con literatura geológica, datos estratigráficos, informes de campo y publicaciones científicas, capaces de dialogar con el investigador, interpretar información contextual y sugerir hipótesis geológicas razonadas a partir del conocimiento acumulado. Ciencia ficción, dirán algunos. Pero cada vez menos ciencia y más ficción realizada.
En revistas especializadas y plataformas como arXiv, se han propuesto colaboraciones entre expertos geocientíficos e IA generativa para recrear procesos sedimentarios a gran detalle. Por ejemplo, Hadid, Chakraborty y Busby (2024) describen cómo modelos GAN, PINNs y LLM pueden generar datos sintéticos útiles para modelar facies sedimentarias, estructuras geológicas y mejorar la simulación del subsuelo —una herramienta con enorme potencial para sedimentología e interpretación geológica avanzada.
Asimismo, investigaciones sobre generación de secciones petrográficas sintéticas mediante GAN (como StyleGAN2) han demostrado que se pueden reproducir imágenes de calidad suficientemente realista para servir como base de entrenamiento en geociencia, incluso engañando a expertos bajo ciertas condiciones. El artículo subraya el papel de la IA no como oráculo, sino como compañero de hipótesis en el trabajo geocientífico.
¿Cómo afecta esto a la sociedad en general?
Puede que todo esto suene muy técnico, pero la conexión entre inteligencia artificial y geología tiene consecuencias muy concretas para el ciudadano de a pie. Pensemos, por ejemplo, en la predicción de terremotos o deslizamientos de tierra: si los sistemas de IA logran anticipar un movimiento sísmico o identificar zonas inestables en un talud, se pueden evitar muertes, optimizar evacuaciones y reducir daños materiales. Lo mismo ocurre con los incendios forestales: modelos que combinan geología, climatología e inteligencia artificial permiten anticiparse a la propagación del fuego, protegiendo vidas, hogares y ecosistemas.
La IA también puede ayudar a gestionar mejor los recursos naturales. En lugar de perforar a ciegas, se pueden localizar yacimientos minerales o acuíferos con mayor precisión y menor impacto ambiental. Eso significa, por ejemplo, una minería más eficiente, una agricultura más sostenible o un suministro de agua mejor planificado.
Incluso en la vida cotidiana, esta fusión entre datos, ciencia y tecnología puede cambiar cosas. Desde conocer mejor el terreno donde se construye una casa hasta entender los riesgos geológicos de una zona urbanizada, la geología inteligente —porque eso es lo que está naciendo— mejora la planificación, reduce incertidumbres y permite tomar decisiones más informadas.
Oportunidades para el geólogo (si sabe buscarlas)
Uno podría pensar que esto de la inteligencia artificial es cosa de programadores y tipos con bata blanca, pero lo cierto es que el geólogo que sepa moverse en este nuevo escenario tiene ante sí una cantera entera de posibilidades. Desde la cartografía predictiva hasta el análisis mineralógico automatizado, pasando por la supervisión ética de algoritmos aplicados a riesgos naturales, los perfiles híbridos —geólogos con nociones de IA, o viceversa— son cada vez más cotizados.
El especialista en SIG que maneje Python y sepa entrenar modelos de machine learning tiene mucho que decir. También el geólogo de campo que se atreve a colaborar con ingenieros para crear modelos de predicción de terremotos o de estabilidad de laderas. Incluso en el terreno más blando —la divulgación, la docencia, la comunicación— hay hueco para quienes comprendan ambos lenguajes: el del terreno y el del algoritmo.
No quiero hacer de arúspice, de esos que en la antigua Roma predecían el futuro hurgando en las entrañas de una oveja, pero si hay que apostar por algo con sentido —y con futuro— en esta era de bits y placas tectónicas, es por la capacidad del geólogo para adaptarse a un entorno en el que la inteligencia artificial no es ciencia ficción, sino herramienta de trabajo. Y quien sepa manejarla con criterio, tendrá camino. El resto, con suerte, aún estará a tiempo de actualizar su brújula. Porque, aunque algunos aún no lo vean, el geólogo del futuro no solo pisará roca: también pisará datos. Y mejor será que sepa dónde pone el pie.
Lo que falta y lo que urge
Por supuesto, no todo es jauja. Faltan datasets bien etiquetados, fáciles de compartir. Faltan estándares éticos para el uso de IA en ciencia geológica y paleontológica. Y sobre todo falta formación cruzada: geólogos que entiendan IA, e ingenieros que no se pierdan en la toponimia de una columna estratigráfica. Si no queremos que la IA sea una caja negra, hay que abrirla. Y para eso, hay que saber de ambas cosas.
Revistas como Nature Geoscience ya dedican monográficos al tema. Otros aspectos relacionados con los pros y los contras de la inteligencia artificial, aplicados a un tema de especial actualidad e interés científico-social como los Geoparques UNESCO, han sido abordados recientemente por Martínez-Martín et al. (2024), centrándose especialmente en sus implicaciones educativas y en materia de sostenibilidad.
A modo de cierre
Este artículo no pretende sentar cátedra. Tan solo asomarse a una revolución en marcha y ponerle nombre. La inteligencia artificial ha llegado a las geociencias para quedarse, y el reto no es pararla, sino entenderla y ponerla a trabajar con criterio.
Y hablando de retos, este mes de noviembre se celebrará en Zaragoza el 5.º Congreso de Geología Profesional. Allí, a buen seguro, se hablará —largo y tendido— de la irrupción de la inteligencia artificial en la profesión. Sería imperdonable que, con todo lo que está cayendo digitalmente, no se abordara el asunto con la profundidad que merece. Porque cuando la geología se cruza con la IA, lo que está en juego no es solo el subsuelo, sino el porvenir mismo del oficio.
Estas líneas, al fin y al cabo, no son más que unas pinceladas. En Zaragoza, allí sí, comparecerán los últimos avances, los debates de calado, las experiencias reales de quienes ya están explorando este nuevo terreno profesional. Y lo harán como debe hacerse en ciencia: entre colegas, con tiempo para disentir, matizar y aprender. Y si algún geólogo encuentra aquí una idea, una duda o una piedra en el zapato, mejor que mejor. Las mejores verdades siempre se han escondido entre las grietas del terreno.
Porque como todo lo que merece la pena en ciencia, esto no es más que el principio. La inteligencia artificial no viene a desplazar al geólogo, sino a acompañarlo: a ampliar su alcance, a reforzar su criterio, a liberarlo de algunas tareas repetitivas para que pueda concentrarse en lo que de verdad importa. Y si con estas líneas he contribuido a abrir camino, a despertar la curiosidad o a afilar el escepticismo, bienvenidas sean. Porque, a fin de cuentas, la ciencia —como la buena geología— avanza preguntando, dudando y, sobre todo, profundizando.
