मध्य नेपाल के एक पहाड़ी गांव, किमतांग में, ज़मीन बहुत धीरे-धीरे लेकिन लगातार हिल रही है: घर की सीढ़ियों पर दरारें दिखाई देती हैं, पेड़ टेढ़े-मेढ़े हो जाते हैं, और नग्न आंखों के लिए अदृश्य विस्थापन संभावित आपदाओं में तब्दील हो रहा है। मेलबर्न विश्वविद्यालय के गणितज्ञ एंटोनेट टॉर्डेसिलस ने एक वीडियो लिंक के माध्यम से एक रंगीन उपग्रह छवि दिखाई - पूरी नीली पहाड़ी के बीच, गांव के निचले हिस्से में एक बड़े क्षेत्र को कृत्रिम बुद्धिमत्ता प्रणाली द्वारा चमकदार लाल रंग में चिह्नित किया गया था, जिसका अर्थ है कि यह ढलान जहां निवासी खेती करते हैं और पीढ़ियों से रहते हैं, गंभीर अस्थिरता की स्थिति में है और किसी भी समय विनाशकारी भूस्खलन में विकसित हो सकता है। विडंबना यह है कि 2019 में पास के भूस्खलन के कारण पूरे जिंटांग ग्रामीणों को स्थानांतरित कर दिया गया था, लेकिन नए पुनर्वास स्थल का मूल्यांकन एआई द्वारा पूरे क्षेत्र में भूमि के सबसे अस्थिर टुकड़े के रूप में किया गया था।

पारंपरिक धारणा में, भूस्खलन अक्सर बिना किसी चेतावनी के तात्कालिक आपदाएँ होती हैं, लेकिन रडार उपग्रह चित्र एक और तस्वीर दिखाते हैं: बड़े पैमाने पर पतन होने से पहले दिन, सप्ताह या साल पहले, सतह के कण मिलीमीटर स्तर पर धीरे-धीरे "अलग-अलग" होने लगते हैं, जैसे कि नर्तक किसी प्रकार की "अदृश्य कोरियोग्राफी" के अनुसार चलते हैं। समय के साथ इन छोटी विकृतियों की निगरानी करके, कृत्रिम बुद्धिमत्ता आपदा के उन संकेतों को पकड़ सकती है जो उनके घटित होने से बहुत पहले नग्न आंखों के लिए अदृश्य होते हैं। शोध से पता चलता है कि जलवायु परिवर्तन, बुनियादी ढांचे के निर्माण और खनन जैसे कई कारकों के प्रभाव में, वैश्विक भूस्खलन की आवृत्ति बढ़ रही है। अकेले संयुक्त राज्य अमेरिका में, भूस्खलन से हर साल 25 से 50 लोग मारे जाते हैं और अरबों डॉलर का आर्थिक नुकसान होता है; वैश्विक स्तर पर, हर साल होने वाली मौतों की संख्या "दसियों हज़ार" में होती है। अक्टूबर 2025 में, नेपाल के पहाड़ों में कई भूस्खलन हुए, जिसमें लगभग 60 लोगों की मौत हो गई, जिससे एक बार फिर उच्च-पर्वतीय देश की भेद्यता उजागर हुई।

अकेले मानव शक्ति द्वारा बड़े पैमाने पर इस "आपदा-पूर्व स्थिति" की पहचान करना लगभग असंभव है। टोडेसीलास टीम यूरोपीय "सेंटिनल-1" रडार उपग्रह पर निर्भर है - यह उपग्रह बेहतर इलाके और विस्थापन की जानकारी प्राप्त करने के लिए प्रति सेकंड लगभग 2,000 बार की आवृत्ति पर सतह पर रडार दालों का उत्सर्जन करता है। ऐसा हुआ कि इस उपग्रह ने घटना के उपयुक्त कोण पर जिंटांग क्षेत्र के ऊपर कई बार उड़ान भरी, जिससे एआई को विशाल छवियों से बेहद सक्रिय ढलान को "पढ़ने" के लिए पर्याप्त उच्च गुणवत्ता वाला डेटा प्रदान किया गया। विश्लेषण के लिए उपयोग की गई नवीनतम छवियां जनवरी 2025 की हैं। अब तक, क्षेत्र में बड़े पैमाने पर भूस्खलन नहीं हुआ है, लेकिन एआई द्वारा दी गई उच्च जोखिम वाली प्रारंभिक चेतावनी ने अनुसंधान टीम को पहले से हस्तक्षेप करने और ग्रामीणों और स्थानीय सरकारों के साथ काम करने और जमीनी निगरानी योजनाएं तैयार करने और संभावित निकासी मार्गों और आपातकालीन असेंबली बिंदुओं पर चर्चा करने की अनुमति दी है।

कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न जोखिम मानचित्र न केवल खतरों को इंगित करता है, बल्कि अपेक्षाकृत सुरक्षित "एंकर" खोजने में भी मदद करता है। उदाहरण के लिए, एल्गोरिदम से पता चला कि जिंटांग में स्थानीय मध्य विद्यालय ढलान पर सबसे स्थिर क्षेत्रों में से एक में स्थित है। यह जानकारी शोधकर्ताओं द्वारा ग्राम प्रधान और सरकारी अधिकारियों को भविष्य में आपातकालीन बचाव और संसाधन आवंटन के लिए एक महत्वपूर्ण आधार के रूप में स्पष्ट रूप से सूचित की गई है। टोडेसिलस ने इस बात पर जोर दिया कि उन्होंने भौतिक बाधाओं के साथ मशीन लर्निंग का उपयोग किया: अनुसंधान टीम ने गलत निर्णय के जोखिम को कम करने के लिए कार्य को पूरी तरह से "ब्लैक बॉक्स" पर छोड़ने के बजाय, "ढलान अस्थिरता के भौतिक तंत्र" की वर्षों की समझ को मॉडल में एकीकृत किया। फिर भी, एआई अभी भी गलतियाँ कर सकता है, इसलिए कुंजी जमीनी सच्चाई माप के साथ निरंतर अंशांकन और पुष्टि है।

बड़े पैमाने पर भूगर्भीय खतरे की जांच में इसी तरह की प्रौद्योगिकियों का उपयोग किया जा रहा है। ब्रिटिश जियोलॉजिकल सर्वे (बीजीएस) के एलेसेंड्रो नोवेलिनो ग्रेट ब्रिटेन के पूरे द्वीप को कवर करने वाले सेंटिनल‑1 रडार डेटा को संसाधित करने के लिए एआई का उपयोग कर रहे हैं, जो लगभग 300,000 ढलानों के विरूपण का विश्लेषण कर रहा है। नतीजे बताते हैं कि लगभग 3,000 ढलानों में "निरंतर धीमी गति" है। वार्षिक विस्थापन केवल मिलीमीटर है और मानव आंखों के लिए लगभग अदृश्य है, लेकिन यह भविष्य में बड़े पैमाने पर भूस्खलन के खतरे का संकेत दे सकता है। भले ही ये ढलान कभी भी पूरी तरह से ध्वस्त न हों, निरंतर विरूपण कई वर्षों तक परिवहन बुनियादी ढांचे को गंभीर रूप से प्रभावित करने के लिए पर्याप्त है - शोध का अनुमान है कि ऐसे सक्रिय ढलान लगभग 14,000 किलोमीटर राजमार्गों और 360 किलोमीटर रेलवे खंडों से जुड़े हुए हैं, और उन्हें पहले से रखरखाव और सुदृढीकरण योजना में शामिल करने की आवश्यकता है।

नोवेलिनो ने बताया कि यदि विश्लेषक इन उपग्रह चित्रों की एक-एक करके तुलना और व्याख्या करते हैं, तो कार्यभार को "वर्षों" में मापा जाएगा, लेकिन मशीन लर्निंग सिस्टम उसी कार्य को मिनटों से लेकर घंटों में पूरा कर सकता है, इस प्रकार "नए विज्ञान को जन्म देता है जो अतीत में करना असंभव था।" यह वर्तमान कार्य वास्तविक समय डेटा का उपयोग नहीं करता है क्योंकि वास्तविक समय पहुंच महंगी है, लेकिन एक या दो साल पहले का ऐतिहासिक डेटा अभी भी मूल्यवान है: जब तक दीर्घकालिक रुझान स्पष्ट है, यह मध्यम और दीर्घकालिक जोखिम मूल्यांकन के लिए आधार प्रदान कर सकता है। अन्य परिदृश्यों में, किसी आपदा के बाद आपातकालीन प्रतिक्रिया में सहायता के लिए बीजीएस नवीनतम रिमोट सेंसिंग डेटा भी तुरंत जुटाएगा। उदाहरण के लिए, इंडोनेशिया के सुमात्रा में एक घातक भूस्खलन होने के बाद, उन्होंने थोड़े समय में लगभग 4,000 भूस्खलनों का स्वचालित मानचित्रण पूरा किया, जिससे स्थानीय वैज्ञानिक अनुसंधान और सरकारी एजेंसियों को प्रमुख संदर्भ मिले कि कौन सी सड़कें अभी भी चलने योग्य हैं और कौन से क्षेत्र सबसे अधिक प्रभावित हुए हैं।

इंफ्रास्ट्रक्चर ऑपरेटरों ने भी एआई को भूवैज्ञानिक सुरक्षा के लिए "आवर्धक कांच" के रूप में मानना ​​​​शुरू कर दिया है। नेटवर्क रेल, जो ग्रेट ब्रिटेन के अधिकांश रेलवे नेटवर्क के लिए जिम्मेदार है, ने कहा कि यह लाइनों के साथ भूस्खलन और नींव की अस्थिरता के जोखिमों की पहचान करने और प्रबंधन करने के लिए ट्रैकसाइड सेंसर, ड्रोन निरीक्षण, समर्पित निरीक्षण ट्रेनों और मैन्युअल निरीक्षण से डेटा को एकीकृत करने के लिए "एआई-संचालित विश्लेषण" का उपयोग करता है, जिससे रखरखाव टीमों को पहले से ही समस्याओं का पता लगाने और तुरंत हस्तक्षेप करने की अनुमति मिलती है, जिससे लाइन में रुकावट या यहां तक ​​कि पटरी से उतरने की दुर्घटनाओं की संभावना कम हो जाती है।

उच्च पर्वतीय क्षेत्रों में, इसी तरह की तकनीकों को हिमस्खलन चेतावनी के क्षेत्र में भी प्रत्यारोपित किया गया है। पिछली सर्दियों में, अकेले यूरोपीय आल्प्स में हिमस्खलन से 100 से अधिक लोग मारे गए। संयुक्त राज्य अमेरिका के कैलिफ़ोर्निया के लेक ताहो क्षेत्र में फरवरी में हिमस्खलन ने नौ स्कीयरों की जान ले ली। इकोले पॉलिटेक्निक फेडेरेल डी लॉज़ेन में मास्टर के छात्र जेम्स फॉक्स ने देखा कि पूरे आल्प्स में वेबकैम थे। उन्होंने और उनके सहयोगियों ने इन सार्वजनिक निगरानी छवियों से हिमस्खलन के क्षण को स्वचालित रूप से "कैप्चर" करने के लिए गहन शिक्षण पर आधारित एक छवि पहचान प्रणाली विकसित की। सिस्टम को प्रशिक्षित करने के लिए, उन्होंने लगभग 4,000 हिमस्खलन तस्वीरों को मैन्युअल रूप से एनोटेट किया, जिससे तंत्रिका नेटवर्क को जटिल पहाड़ी परिदृश्यों में हिमस्खलन की रूपरेखा और गतिशील विशेषताओं की पहचान करना सीखने की अनुमति मिली।

फॉक्स ने कहा कि ऐसे दृश्य कार्यों में गहन शिक्षा के स्पष्ट फायदे हैं जिन्हें "नग्न आंखों से नियमों में समझना मुश्किल है", लेकिन सिस्टम को पूरी तरह से "असुरक्षित" नहीं होना चाहिए। उन्होंने इस बात पर जोर दिया कि एआई मान्यता परिणामों का उपयोग प्रारंभिक चेतावनी संकेतों के रूप में किया जाना चाहिए, जिसे "कंप्यूटर को स्वचालित रूप से अलार्म करने" की अनुमति देने के बजाय, बचाव शुरू करने का निर्णय लेने से पहले मैन्युअल रूप से आंका जाना चाहिए। इस तकनीक का ऑस्ट्रियाई टायरॉल हिमस्खलन चेतावनी सेवा में फ़ील्ड-परीक्षण किया गया है। हालांकि स्थानीय एजेंसी का मानना ​​है कि इसमें "आशाजनक संभावनाएं" हैं, लेकिन वर्तमान झूठी अलार्म दर अभी भी ऊंची है। बर्फ पिघलने के बाद उजागर हुई चट्टानों को हिमस्खलन के रूप में पहचानना विशेष रूप से आसान है। इसलिए, अल्पावधि में निरंतर अनुकूलन और मानव-मशीन सहयोग की अभी भी आवश्यकता है।

जैसे-जैसे जलवायु वार्मिंग अल्पाइन पर्माफ्रॉस्ट को कमजोर कर रही है, हिमस्खलन, चट्टानों और भूस्खलन का खतरा बढ़ रहा है, और एआई उपकरण इस "छिपे हुए त्वरक" की निगरानी के मुख्य साधनों में से एक बनने की उम्मीद है। पहाड़ों, ग्लेशियरों, चट्टानी दीवारों और अन्य क्षेत्रों में छवि परिवर्तनों की दीर्घकालिक तुलना करके, शोधकर्ता पहले बर्फ के ढीले होने और चट्टान की परतों के टूटने के संकेतों का पता लगा सकते हैं, जिससे चढ़ाई मार्गों को समायोजित किया जा सकता है, खतरनाक खंडों को बंद किया जा सकता है या प्रमुख सुविधाओं को मजबूत किया जा सकता है।

दिलचस्प बात यह है कि कृत्रिम बुद्धिमत्ता सिर्फ "अधिक लाल रेखाएँ नहीं खींचती।" कुछ स्थानों पर, यह शहरों को "प्रतिबंधों को ढीला करने" में मदद करता है। कोलंबिया में पास्कुअल ब्रावो विश्वविद्यालय के एक इंजीनियर, इंग्री नतालिया गोमेज़-मिरांडा की टीम ने 1981 से 2019 तक मेडेलिन में 180 से अधिक भूस्खलन रिकॉर्ड और सटीक भौगोलिक निर्देशांक एकत्र और विश्लेषण किया, और शहरी भूस्खलन-प्रवण क्षेत्रों को फिर से बनाने और उन्हें जोखिम स्तर के आधार पर तोड़ने के लिए मशीन लर्निंग का उपयोग किया। नतीजे बताते हैं कि कुछ ढलान जिन्हें लंबे समय से "नो कंस्ट्रक्शन जोन" के रूप में नामित किया गया है, अद्यतन मॉडल में कम जोखिम दिखाते हैं और सख्त नियमों के तहत निर्माण के लिए फिर से खोला जा सकता है, जिससे तंग आवास की कमी वाले शहरों के लिए अधिक कानूनी और सुरक्षित भूमि स्थान जारी किया जा सकता है।

लेकिन उन वैज्ञानिकों के लिए जो लंबे समय से भूस्खलन डेटा से निपट रहे हैं, सबसे गहरा परिवर्तन "मनोवैज्ञानिक" हो सकता है। उन्होंने पाया कि जिन पहाड़ों को लोग "अनन्त" के रूप में देखने के आदी हैं, वे वास्तव में हमेशा धीरे-धीरे उठते और गिरते रहते हैं - परत टकरा रही है और ऊपर उठ रही है, कटाव कमजोर हो रहा है, और गुरुत्वाकर्षण का पुनर्वितरण हो रहा है। ये प्रक्रियाएँ कभी नहीं रुकतीं, लेकिन बेहद धीमी गति से। टोडेसीलास ने कहा, "अब, जब भी मैं नेपाल की यात्रा करता हूं, मेरे लिए पूरी तरह से आराम करना कठिन होता है।" अब जब वह पहाड़ों को देखती है, तो वह उन्हें केवल एक स्थिर परिदृश्य के रूप में नहीं, बल्कि एक भूवैज्ञानिक लिपि की तरह मान सकती है जो धीरे-धीरे पन्ने पलटती है। इसके लिए बस एआई के "आवर्धक लेंस" की आवश्यकता है ताकि मनुष्य अंतर्धाराओं को समझ सके।